0
点赞
收藏
分享

微信扫一扫

【OpenCV C++20 学习笔记】阈值操作—分离图片对象

程序员阿狸 2024-08-05 阅读 35
边缘计算sql人工智能arm开发物联网数据库flask
加载失败

一、项目概述

随着物联网（IoT）的快速发展，边缘计算的应用越来越广泛。边缘计算可以将数据处理和分析推向离数据源更近的地方，从而降低延迟，提高效率。本文将介绍如何利用树莓派构建一个多协议边缘计算网关，以支持各种传感器和设备的连接和数据传输。

该项目的主要目标是实现一个边缘网关，能够通过不同的通信协议（如MQTT、HTTP、CoAP等）采集和处理来自传感器的数据，并将这些数据发送至云端或本地数据库进行存储和分析。

二、系统架构

1. 硬件选型

  • 主控单元：树莓派4B

  • 传感器：温度传感器（如DHT11）、湿度传感器、运动传感器等

  • 其他模块：Wi-Fi和蓝牙模块（树莓派4B内置）

2. 通信协议

  • MQTT：用于轻量级的设备间消息传递。

  • HTTP/HTTPS：用于与云服务或Web应用程序的交互。

  • CoAP：用于低功耗设备的通信。

3. 技术栈

  • 操作系统：Raspberry Pi OS

  • 编程语言：Python

  • 数据库：SQLite（用于本地数据存储）

  • 中间件：Eclipse Mosquitto（MQTT代理）

  • 云平台：AWS IoT（可选）

4. 系统架构图

三、环境搭建

1. 安装Raspberry Pi OS

  1. 下载Raspberry Pi Imager并安装。

  2. 使用Raspberry Pi Imager将Raspberry Pi OS写入SD卡。

  3. 将SD卡插入树莓派，连接显示器和电源，启动树莓派。

2. 更新系统

运行以下命令更新系统：

sudo apt updatesudo apt upgrade -y

3. 安装Python和依赖库

树莓派通常预装Python，但我们需要安装一些额外的库。

sudo apt install python3 python3-pip -ysudo pip3 install paho-mqtt flask

4. 安装并配置Eclipse Mosquitto

sudo apt install mosquitto mosquitto-clients -y

启动Mosquitto服务：

sudo systemctl start mosquittosudo systemctl enable mosquitto

5. 安装SQLite

sudo apt install sqlite3 libsqlite3-dev -y

四、代码实现

1. 数据采集模块

在上面的代码中，我们已经完成了读取DHT11传感器数据并将其发布到MQTT代理的功能。接下来，我们需要将此脚本保存并运行。

保存并运行数据采集脚本

  1. 在树莓派上创建一个Python脚本文件，例如 sensor_data.py。

    nano sensor_data.py

  2. 将以下代码粘贴到文件中：

import Adafruit_DHT
 
import paho.mqtt.client as mqtt
 
import time
 
 
\# 设置传感器类型和GPIO引脚
 
sensor = Adafruit_DHT.DHT11
 
pin = 4  # GPIO引脚编号
 
 
\# MQTT设置
 
mqtt_broker = "localhost"  # 本地Mosquitto代理
 
mqtt_topic = "sensor/data"
 
  
 
\# 创建MQTT客户端
 
client = mqtt.Client()
 
client.connect(mqtt_broker)
 
  
 
while True:
 
    # 读取传感器数据
 
    humidity, temperature = Adafruit\_DHT.read\_retry(sensor, pin)
 
    if humidity is not None and temperature is not None:
 
        # 构建消息
 
        message = f"Temperature: {temperature}°C, Humidity: {humidity}%"
 
        print(message)
 
        # 发布到MQTT
 
        client.publish(mqtt_topic, message)
 
    else:
 
        print("Failed to retrieve data from the sensor.")
 
    # 每10秒读取一次数据
 
    time.sleep(10)

  1. 保存并退出编辑器（在nano中按 CTRL + X，然后按 Y 确认保存）。

  2. 运行Python脚本：

    python3 sensor_data.py

2. 创建Web服务模块

接下来，我们将创建一个简单的Flask Web服务，用于展示传感器数据。

创建Flask应用

  1. 创建一个新的Python文件，例如 app.py：

    nano app.py

  2. 将以下代码粘贴到文件中：

from flask import Flask, jsonify
import sqlite3

app = Flask(__name__)
# 数据库连接函数
def get_db_connection():
    conn = sqlite3.connect('sensor_data.db')
    conn.row_factory = sqlite3.Row
    return conn

@app.route('/data', methods=['GET'])
def get_data():
    conn = get_db_connection()
    data = conn.execute('SELECT * FROM readings ORDER BY id DESC').fetchall()
    conn.close()
    return jsonify([dict(row) for row in data])

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)
  1. 保存并退出编辑器。

3. 数据存储模块

为了将传感器数据存储到SQLite数据库中，我们需要在数据采集模块中添加数据库写入的逻辑。

修改数据采集模块以支持SQLite

在 sensor_data.py 中，添加数据库写入功能：

import Adafruit_DHT
import paho.mqtt.client as mqtt
import time
import sqlite3

# 设置传感器类型和GPIO引脚
sensor = Adafruit_DHT.DHT11
pin = 4  # GPIO引脚编号

# MQTT设置
mqtt_broker = "localhost"  # 本地Mosquitto代理
mqtt_topic = "sensor/data"

# 创建MQTT客户端
client = mqtt.Client()
client.connect(mqtt_broker)

# 数据库连接函数
def get_db_connection():
    conn = sqlite3.connect('sensor_data.db')
    return conn

# 创建表（如果不存在）
conn = get_db_connection()
conn.execute('''
CREATE TABLE IF NOT EXISTS readings (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    temperature REAL,
    humidity REAL,
    timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
)
''')
conn.close()

while True:
    # 读取传感器数据
    humidity, temperature = Adafruit_DHT.read_retry(sensor, pin)
    
    if humidity is not None and temperature is not None:
        # 保存数据到SQLite数据库
        conn = get_db_connection()
        conn.execute('INSERT INTO readings (temperature, humidity) VALUES (?, ?)',
                     (temperature, humidity))
        conn.commit()
        conn.close()

        # 构建消息
        message = f"Temperature: {temperature}°C, Humidity: {humidity}%"
        print(message)
        
        # 发布到MQTT
        client.publish(mqtt_topic, message)
    else:
        print("Failed to retrieve data from the sensor.")
    
    # 每10秒读取一次数据
    time.sleep(10)

四、代码实现

4. 启动Web服务

在终端中启动Flask Web服务，以便我们可以通过浏览器访问传感器数据。

  1. 运行Flask应用：

    python3 app.py

  2. 在浏览器中访问 http://<树莓派的IP地址>:5000/data，你应该能够看到从传感器采集到的温度和湿度数据的JSON格式输出。这些数据是从SQLite数据库中读取的。

    例如，输出可能如下所示：

    [
{"id": 1, "temperature": 22.0, "humidity": 45.0, "timestamp": "2024-08-04 12:01:22"},
{"id": 2, "temperature": 23.0, "humidity": 50.0, "timestamp": "2024-08-04 12:01:32"},
...
]

5. 测试MQTT功能

为了验证MQTT功能的正常工作，可以使用MQTT客户端订阅传感器数据主题。

  1. 在另一个终端中，使用Mosquitto客户端进行订阅：

    mosquitto_sub -h localhost -t sensor/data

  2. 你应该能够看到来自传感器的数据实时打印在终端中。

五、项目总结

在本项目中，我们成功地使用树莓派构建了一个多协议的边缘计算网关，涉及以下关键步骤：

  1. 硬件和软件环境搭建：我们选择了树莓派4B作为控制单元，并安装了Raspberry Pi OS。通过安装Python及其相关库，确保了系统的正常运行。

  2. 数据采集模块：通过DHT11传感器实时采集温度和湿度数据，并将这些数据通过MQTT协议发送到本地的Mosquitto代理。

  3. 数据存储模块：使用SQLite数据库存储传感器数据，并确保数据持久性。

  4. Web服务模块：通过Flask框架创建Web服务，以便用户可以通过HTTP请求获取传感器的历史数据。

  5. 测试和验证：通过MQTT客户端订阅消息和通过浏览器访问Web服务，验证了整个系统的功能和数据流的正确性。

举报

相关推荐

【OpenCV C++20 学习笔记】图片融合

rust开发语言后端

【OpenCV C++20 学习笔记】扫描图片数据

opencvc++20学习

【OpenCV C++20 学习笔记】矩阵上的掩码(mask)操作

androidsystemserverframeworkbootchart开机优化性能优化

【OpenCV C++20 学习笔记】调节图片对比度和亮度（像素变换）

机器人自动化

【OpenCV C++20 学习笔记】霍夫圆形变换-Hough Circle Transform

算法r语言

OpenCV学习笔记-阈值化

dstnullimage出版优化虚拟化云计算

【OpenCV C++20 学习笔记】自定义线性滤波-filter2D

spring cloudspring后端

stdspan ---C++20

c++visual studio开发语言#include数组Python后端开发

【OpenCV】图像阈值处理学习笔记

pythonopencv

【OpenCV C++20 学习笔记】拉普拉斯(Laplace)二阶求导-边缘检测

opencvc++20学习
0 条评论
加载失败