Prédiction de la température ambiante via le capteur LM35 et l'apprentissage automatique : 4 étapes

2024 Auteur: John Day | [email protected]. Dernière modifié: 2024-01-30 09:07

introduction

Aujourd'hui, nous nous concentrons sur la construction d'un projet d'apprentissage automatique qui prédit la température via la régression polynomiale.

L'apprentissage automatique est une application de l'intelligence artificielle (IA) qui permet aux systèmes d'apprendre et de s'améliorer automatiquement à partir de l'expérience sans être explicitement programmé. L'apprentissage automatique se concentre sur le développement de programmes informatiques pouvant accéder aux données et les utiliser pour apprendre par eux-mêmes.

Régression polynomiale: la régression polynomiale est une forme d'analyse de régression dans laquelle la relation entre la variable indépendante x et la variable dépendante y est modélisée sous la forme d'un polynôme de degré n en x.

Prédiction: L'apprentissage automatique est un moyen d'identifier des modèles dans les données et de les utiliser pour faire automatiquement des prédictions ou des décisions. … Pour la régression, vous apprendrez à mesurer la corrélation entre deux variables et à calculer une ligne de meilleur ajustement pour faire des prédictions lorsque la relation sous-jacente est linéaire.

2. Objets utilisés dans ce projet

Composants matériels

1. Fils de cavalier femelle/femelle × (selon les besoins)
2. Planche à pain (générique)×1
3. Capteur LM35 × 1
4. Module WiFi Bolt IoT Bolt × 1

Applications logicielles et services en ligne

1. Bolt IoT Bolt CloudBolt
2. Application Android IoT

Étape 1: connexion du capteur LM35 au boulon

Étape 1: Tenez le capteur de manière à pouvoir lire LM35 écrit dessus.

Étape 2: Dans cette position, identifiez les broches du capteur comme VCC, Output et Gnd de gauche à droite.

Dans l'image matérielle, VCC est connecté au fil rouge, la sortie est connectée au fil orange et Gnd est connectée au fil marron.

Étape 3: À l'aide d'un fil mâle à femelle, connectez les 3 broches du LM35 au module Bolt Wifi comme suit:

• La broche VCC du LM35 se connecte au 5v du module Bolt Wifi.
• La broche de sortie du LM35 se connecte à A0 (broche d'entrée analogique) du module Bolt Wifi.
• La broche Gnd du LM35 se connecte à la Gnd.

Étape 2: Prédire la température

Étape 1: Effectuez les mêmes connexions que sur l'écran « Connexions matérielles pour le moniteur de température », dans la rubrique « Interfaçage du capteur sur VPS » du module « Cloud, API et alertes ».

Étape 2: Mettez le circuit sous tension et laissez-le se connecter au Bolt Cloud. (La LED verte du boulon doit être allumée)

Étape 3: Accédez à cloud.boltiot.com et créez un nouveau produit. Lors de la création du produit, choisissez le type de produit comme périphérique de sortie et le type d'interface comme GPIO. Après avoir créé le produit, sélectionnez le produit récemment créé, puis cliquez sur l'icône de configuration.

Étape 4: Dans l'onglet matériel, sélectionnez le bouton radio à côté de la broche A0. Donnez à la broche le nom « temp » et enregistrez la configuration à l'aide de l'icône « Enregistrer ».

Étape 5: accédez à l'onglet code, attribuez au code produit le nom « prédire » et sélectionnez le type de code en tant que js.

Étape 6: Écrivez le code suivant pour tracer les données de température et exécutez l'algorithme de régression polynomiale sur les données, puis enregistrez les configurations du produit.

setChartLibrary('google-chart');

setChartTitle('PolynomialRegression');

setChartType('predictionGraph');

setAxisName('time_stamp', 'temp');

mul(0,0977);

plotChart('time_stamp', 'temp');

Étape 7: Dans l'onglet produits, sélectionnez le produit créé puis cliquez sur l'icône du lien. Sélectionnez votre appareil Bolt dans la fenêtre contextuelle, puis cliquez sur le bouton « Terminé ».

Étape 8: Cliquez sur le bouton « déployer la configuration », puis sur l'icône « afficher cet appareil » pour afficher la page que vous avez conçue. Ci-dessous, la capture d'écran de la sortie finale.

Étape 9: Attendez environ 2 heures pour que l'appareil télécharge suffisamment de points de données sur le Cloud. Vous pouvez ensuite cliquer sur le bouton de prédiction pour afficher le graphique de prédiction basé sur l'algorithme de régression polynomiale.