%20(2).svg)
项目简介
本项目是一个物联网研究项目，主要用于监测奶酪存储区域的环境状况，还可检测地震、火灾等自然灾害。项目集成了边缘计算和机器学习技术，目的是提高食品安全水平，保障仓储环境安全，主要应用于食品制造业的奶酪制造工序。
项目的主要特性和功能
数据采集和传感器集成
采用Wio Terminal微控制器，搭配土壤湿度、温度、CO2、tVOC和加速度等传感器，能实时收集存储区域的环境数据，并通过MQTT协议将数据传输至服务器。同时集成了烟雾检测功能，可检测潜在的火灾风险。
边缘计算与数据处理
运用边缘计算技术在数据源头进行实时处理分析。当检测到特定地震加速度模式或烟雾浓度超阈值时，系统会立即触发警报并采取应对措施。借助支持向量机（SVM）进行分类和绘制决策边界，使用K均值聚类算法对传感器数据进行聚类分析，提前预警灾害情况，辅助判断空气质量污染问题。
数据管理与可视化
使用SQLite数据库管理传感器数据，通过Python脚本读取数据并展示在可视化仪表板上。提供web图表，展示温度、湿度、CO2浓度和tVOC数据的变化。通过MQTT协议接收数据并保存到SQLite数据库，定义MQTT订阅函数实时响应传感器数据并插入数据库。还提供决策边界可视化工具，方便用户理解机器学习模型的决策逻辑。
安装使用步骤
假设用户已经下载了本项目的源码文件，可按以下步骤操作：
1. 确保安装所有必要的软件和库，包括Python及其相关科学计算库（如numpy、pandas、matplotlib、scikit - learn等）。
2. 安装SQLite数据库并配置好相关环境。
3. 将源码文件解压缩并放置在合适的目录中。
4. 运行readData.py文件，设置数据库连接和MQTT连接。
5. 运行svm.py文件，训练机器学习模型并进行决策边界的可视化。
6. 运行graphData.py文件，生成web应用程序并可视化传感器数据。
7. 访问生成的web应用程序，实时查看仓库环境状态并使用相关功能和工具进行操作和管理。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】