使用边缘脉冲的实时实验室监控

描述

我们为什么要建造这个？

实验室，尤其是化学实验室等场所的气氛维护至关重要。必须连续监测温度、湿度和环境光，并将空气质量水平和热量水平用作中断以防止实验室事故。

硬件构建

WizFi360-EVB-Pico 基于 Raspberry Pi RP2040，并使用 WizFi360 添加了 Wi-Fi 连接。它与 Raspberry Pi Pico 板引脚兼容，可用于物联网解决方案开发。

设置IDE

打开 File -> Preferences，然后将以下内容输入到 Additional Boards Manager URLs

https://github.com/earlephilhower/arduino-pico/releases/download/global/package_rp2040_index.json

现在您可以在 Boards Manager 中搜索“wizfi”并安装 Raspberry Pi Pico/RP2040 的最新软件包。添加WizFi360EVB 库

 

选择 WIZnet WizFi360-EVB-Pico 板并运行以下闪烁代码。

void setup() {
// initialize digital pin LED_BUILTIN as an output.
pinMode(LED_BUILTIN, OUTPUT);
}
// the loop function runs over and over again forever
void loop() {
digitalWrite(LED_BUILTIN, HIGH);   // turn the LED on (HIGH is the voltage level)
delay(1000);                       // wait for a second
digitalWrite(LED_BUILTIN, LOW);    // turn the LED off by making the voltage LOW
delay(1000);                       // wait for a second
}

现在我们已经上传了代码，开发板已准备好用于该项目。

连接传感器与 WizFi360-EVB-Pico

连接 Grove 温湿度传感器 (SHT40)

SHT40 温度使用热电偶方法测量。热电偶由两种不同材料的金属丝组成。将两根导线的一端焊接在一起形成工作端，放置在待测温度处。另一端称为自由端，与主控相连，形成闭环。

• 下载 Grove 温度和湿度传感器代码库。访问arduino-i2c-sht4x 存储库并将整个存储库下载到本地驱动器。
• 将库添加到 Arduino IDE

这里我们将 SHT40 温湿度传感器连接到 WizFi360 的 IO26 和 IO27 引脚。

连接 NeoPixel：

我使用的 NeoPixel 环是 16 位的 NeoPixel，即环由 16 个 LED 组成。

 

连接：

WizFi360 ------------------------------------------WS2816

VBUS -> Vcc

GND -> 接地（0V）

IO13 -> DI（数据输入）

NeoPixel 库附加到存储库。NeoPixel 的颜色根据存储在变量中的温度和湿度进行切换。

如下所示进行连接。

 

Edge Impulse TFLite 模型生成和部署

该项目的主要思想是使用 Raspberry Pi pico 检测温度数据的一些异常，整个分类在 RP2040 MCU 上完成。

根据硬件容量和内存大小，TinyML 中可以使用不同类型的 MCU/应用程序，如下图所示。

 

要在 Raspberry Pi pico 上运行机器学习模型，我们需要环境温度数据。由于 Raspberry Pi Pico 有一个内部温度传感器，我们使用它们来收集温度数据。ARM Cortex M0+ 适用于异常检测和传感器分类，这使我们能够实施该项目。

我们将使用边缘脉冲来构建和训练 TensorFlow Lite 模型。我们将为以下情况收集气体传感器数据

• 温度
• 湿度
• 压力

我们将创建一个名为Lab Monitoring - Anomaly Detection 的边缘脉冲项目。运行以下命令将需要您的 edge impulse 电子邮件和密码。

edge-impulse-daemon

 

我们将训练和测试数据分成 65% 和 35%。接下来，我们创建 Impulse 并添加带有 Flattern 的处理块，将轴展平为单个值，与其他块结合使用，这对于缓慢移动的平均值（如温度数据）很有用。接下来，我们添加一个 Keras 分类学习块，然后单击 Save Impulse。接下来，我们点击 Generate features 来训练模型。几分钟后，我们可以在 Feature Explorer 中看到输出。

 

您可以使用特征资源管理器可视化特征。

 

现在我们可以通过将模型导出到 Arduino 库来部署模型。转到左侧导航中的“部署”选项卡。选择Arduino，点击Build下载Arduino库。

• 转到 Sketch > Libraries > Add.ZIP Library，选择从 Edge Impulse 下载的库
• 打开WizFiAnomalyDetector.ino文件并上传

外壳

我在这个项目中使用了亚克力外壳。首先，我将所有电路放在外壳内并拧紧。我为 Neopixel Ring 和温度传感器做了一个小开口。最后，将所有的螺丝都拧紧，电源线通过插槽插入。

 

。