[![Open in Visual Studio Code](https://classroom.github.com/assets/open-in-vscode-c66648af7eb3fe8bc4f294546bfd86ef473780cde1dea487d3c4ff354943c9ae.svg)](https://classroom.github.com/online_ide?assignment_repo_id=9721151&assignment_repo_type=AssignmentRepo)
# 1. Projet Mob - IoT
- [1. Projet Mob - IoT](#1-projet-mob---iot)
- [1.1. Équipe de 4 personnes](#11-équipe-de-4-personnes)
- [1.2. Description du Projet](#12-description-du-projet)
- [1.2.1. Matériel](#121-matériel)
- [1.2.2. Cas d'utilisation](#122-cas-dutilisation)
- [1.3. Répartition des tâches](#13-répartition-des-tâches)
- [1.3.1. Suivi journalier](#131-suivi-journalier)
- [1.4. Procédure de mise en place de votre chaîne IoT](#14-procédure-de-mise-en-place-de-votre-chaîne-iot)
- [1.5. Conclusions et recommandations](#15-conclusions-et-recommandations)
## 1.1. Équipe de 4 personnes
Notre équipe projet est composée par :
- Damien OLLIER
- Sami Hadjeb
- Antoine Sterna
- Camil Coullon (Chef de groupe)
## 1.2. Description du Projet
Le sujet initial est dans le fichier [sujet.md](sujet.md)
Vous devez décrire ici les fonctionnalités et applications de la maquette que vous avez décidé d'implementer.
Le but est de créer un boîtier capable de détecter un feu et d'alerter rapidement lorsque la qualité de l'air se détériore dans un milieu assez confiné. Pour faire ce boîtier, nous détectons la présence de feu et nous mesurons la qualité de l'air à l'aide de deux capteurs reliés à une carte arduino. Les informations récoltées sont ensuite envoyés à la carte Lora par l'intermédiaire de deux cartes wifi qui communiquent entres elles.
### 1.2.1. Matériel
| Nombre | Description |
| --- | :--- |
| 1 | Carte arduino et son cable d'alimentation |
| 1 | Capteur FLAME Click |
| 2 | Capteur Wifi BLE Click |
| 1 | Capteur Air Quality Click |
| 1 | Carte Lora stm32 |
| 1 | Carte Beagle Bone black et son cable d'alimentation |
| 1 | Carte SD |
### 1.2.2. Cas d'utilisation
Notre objectif principal est d'utiliser ce capteurs dans les labos de chimie de CPE lyon de le but de sécuriser au maximum ces salles.
Nous pouvons aussi utiliser le capteurs dans les situations suivantes:
- Dans une cabine de camion transportant des produits dangereux
- Dans un bateau (sous-marin)
- Dans un avion
## 1.3. Répartition des tâches
- Damien OLLIER: mise en place de la carte arduino et des capteurs (flame, air quality et carte wifi)
- Sami Hadjeb: mise en place de la carte Beagle Bone black
- Antoine Sterna: mise en place de la partie cloud
- Camil Coullon: mise en place de la carte LoRa
### 1.3.1. Suivi journalier
**Mercredi 11/01/2023** :
- Choix du sujet
- Nous avons récupéré la boite contenant la carte Arduino, la carte Lora et les câbles.
- Nous avons récupéré les deux capteurs: un capteur de flamme et un capteur de qualité de l'air
- Début des tests des capteurs et de la carte arduino.
- Le capteur de flamme marche
**Jeudi 12/01/2023** :
Le matin:
- Cours sur LTE et début du "TP : technologies émergentes dans les réseaux sans fil 4G-LTE"
L'après midi:
- On a continué le TP sur matlab
- Chacun a commencer à travailler sur sa tâche
- Le capteur de qualité d'air fonction
- Un script a été réalisé pour récupérer les valeurs retournées par les capteurs d'air et de feu
**Vendredi 13/01/2023** :
- Chacun continue de travailler sur sa tâche
- Carte Lora
- Compilation du lorawan-mbedos-example
- Configuration de "The Things Network"
- Envoie des données de base (Dummy sensor value)
- AWS: Ecriture du code terraform pour deployer la configuration sur le compte AW, cela comprend: Un VPC, deux subnets privés, deux subnets publics, une internet gateway, une NAT gateway, toutes les tables de routages appropriées. Ensuite ecriture du code terraform pour déployer une EC2 dans un subnet public avec une Elastic IP et un ficihier user data qui installe automatiquement les dépendances ainsi que docker à la création de l'EC2
- BeagleBone : installation et mise en place internet sur la carte + début du script python
- Il est maintenant possible de se connecter à un réseau Wifi (Hotspot wifi sur un téléphone pour l'instant) avec la carte ESP32
**Lundi 16/01/2023 après-midi** :
- Il est possible de connecter les deux cartes wifi entre elles, une carte en mode client et l'autre carte en mode ap.
- BeagleBone : Communication entre Lora et BBB en MQTT + envoi de données vers le cloud AWS.
- Côté AWS: changement d'infrastructure, il a été décidé de tout faire en serverless en utilisant les services AWS suivants:
- API Gateway
- Lambda
- DynamoDB
- Carte Lora
- Auto-formation command AT
- prise en main de bufferedserial et ATCmdParser (biblio mbedos pour la gestion des commandes AT et de la liaison serie avec le module Wifi)
L'implémentation et le workflow ressemble à ceci:
![schemaAWS](images/AWS%20schema.png)
**Mardi 17/01/2023** :
- Communication entre les deux cartes wifi fonctionnelle
- Il est possible d'envoyer les données récupérées par les capteurs
- Reception des données des capteurs par la BBB
- Ecriture du code la Lambda pour gérer toutes les requêtes API
- Carte STM32
- Création de l'Access Point et configuration du serveur TCP
- définition de toutes les fonctions de base pour la création et pour la réception de data
- Test de connexion entre client et AP
- Envoi de données de test puis envoi des données des capteurs
- Integration de la fonction receiveData à l'envoie vers TTN en lorawan
**Mercredi 18/01/2023** :
- Optimisation des codes (ex: le code qui tourne sur la carte arduino attend la confirmation de la connexion TCP avant d'envoyer les données)
- Rédaction de la documentation
- Mise en place d'un Grafana pour visualiser les données de la dynamoDB
- Carte STM32
- Test complet de la chaine avec MQTT
- Optimisation du code pour gestion des erreurs
- Changement de carte car lenteur d'envoi vers TTN
- Création de la vidéo
**Jeudi 19/01/2023** :
- finalisation de la vidéo et préparation de l'oral
- Résultat de la finale des projets majeurs:
- Projet le plus technique: 4ème
- Projet le plus utile: 2ème
- Présentation la plus fun: 4ème
**Vendredi 19/01/2023** :
- Préparation démonstration live
- Passage à l'oral
没有合适的资源?快使用搜索试试~ 我知道了~
(源码)基于Arduino和IoT的火灾与空气质量监测系统.zip
共44个文件
md:11个
png:11个
tf:4个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 27 浏览量
2024-11-16
14:28:50
上传
评论
收藏 1.13MB ZIP 举报
温馨提示
# 基于Arduino和IoT的火灾与空气质量监测系统 ## 项目简介 本项目旨在开发一个能够检测火灾并实时监测空气质量的物联网(IoT)系统。该系统主要用于实验室、危险品运输车辆、船只和飞机等封闭环境中,以提高安全性。系统通过Arduino控制板连接火焰传感器和空气质量传感器,数据通过WiFi模块传输至LoRa模块,最终发送到云端进行处理和分析。 ## 项目的主要特性和功能 火焰检测使用火焰传感器实时监测环境中是否存在火焰。 空气质量监测通过空气质量传感器检测空气中的有害气体浓度。 无线通信利用WiFi模块实现传感器数据的高效传输。 云端处理数据通过LoRa模块发送到云端,使用AWS服务进行数据存储和分析。 实时报警当检测到火灾或空气质量恶化时,系统能够及时发出警报。 ## 安装使用步骤 1. 硬件准备 确保所有硬件组件齐全,包括Arduino控制板、火焰传感器、空气质量传感器、WiFi模块、LoRa模块等。
资源推荐
资源详情
资源评论
收起资源包目录
(源码)基于Arduino和IoT的火灾与空气质量监测系统.zip (44个子文件)
ProjetMajeur.sln 1KB
sujet.md 5KB
ProjetMajeur
1. Arduino
Maquette.jpg 119KB
CodeArduinoCapteurs
MQ135.cpp 8KB
MQ135.h 2KB
CodeArduinoCapteurs.ino 10KB
MQ135-1.1.0
MQ135.cpp 6KB
LICENSE 35KB
examples
MQ135
MQ135.ino 1KB
MQ135_DHTxx
MQ135_DHTxx.ino 2KB
keywords.txt 632B
library.properties 435B
MQ135.h 2KB
README.md 1KB
README.md 3KB
.vscode
c_cpp_properties.json 634B
2. gateway-lora
main.cpp 11KB
README.md 32B
sujet.md 5KB
3. Beaglebone config
README.md 4KB
BBB.py 6KB
docs
howto-bbb.md 17KB
spi-serial-howto.md 2KB
terraform_provisionning
output.tf 126B
provider.tf 172B
main.tf 2KB
backend.tf 168B
scripts
provisioning.sh 599B
images
api.png 70KB
mob-iot-01.drawio 275KB
db.png 66KB
sysctl_apply.png 9KB
iprouteBBB.png 10KB
sysctl.png 89KB
sshBBB.png 65KB
MASQUERADE.png 19KB
lambda.png 117KB
adddns.png 9KB
AWS schema.png 225KB
pinginternet.png 35KB
bbb.jpg 113KB
4. cloud-deploy
README.md 2KB
README.md 6KB
README.md 2KB
共 44 条
- 1
资源评论
t0_54coder
- 粉丝: 2992
- 资源: 5639
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 形状分类31-YOLO(v5至v11)、COCO、CreateML、Darknet、Paligemma、VOC数据集合集.rar
- 常见排序算法概述及其性能比较
- 前端开发中的JS快速排序算法原理及实现方法
- 基于Java的环境保护与宣传网站论文.doc
- 基于8086的电子琴程序Proteus仿真
- 基于java的二手车交易网站的设计和实现论文.doc
- 纯真IP库,用于ip查询地址使用的数据库文件
- 基于javaweb的动漫网站管理系统毕业设计论文.doc
- 废物垃圾检测28-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- 探索CSDN博客数据:使用Python爬虫技术
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功