10 KiB

Raw Permalink Blame History

ਮਿੱਟੀ ਦੀ ਨਮੀ ਮਾਪੋ - ਵਰਚੁਅਲ IoT ਹਾਰਡਵੇਅਰ

ਇਸ ਪਾਠ ਦੇ ਇਸ ਹਿੱਸੇ ਵਿੱਚ, ਤੁਸੀਂ ਆਪਣੇ ਵਰਚੁਅਲ IoT ਡਿਵਾਈਸ ਵਿੱਚ ਇੱਕ ਕੈਪੈਸਿਟਿਵ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਸ਼ਾਮਲ ਕਰੋਗੇ ਅਤੇ ਇਸ ਤੋਂ ਮੁੱਲ ਪੜ੍ਹੋਗੇ।

ਵਰਚੁਅਲ ਹਾਰਡਵੇਅਰ

ਵਰਚੁਅਲ IoT ਡਿਵਾਈਸ ਇੱਕ ਨਕਲੀ Grove ਕੈਪੈਸਿਟਿਵ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਦੀ ਵਰਤੋਂ ਕਰੇਗਾ। ਇਹ ਲੈਬ ਨੂੰ ਰਾਸਪਬੈਰੀ ਪਾਈ ਨਾਲ ਭੌਤਿਕ Grove ਕੈਪੈਸਿਟਿਵ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਸਮਾਨ ਰੱਖਦਾ ਹੈ।

ਭੌਤਿਕ IoT ਡਿਵਾਈਸ ਵਿੱਚ, ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਇੱਕ ਕੈਪੈਸਿਟਿਵ ਸੈਂਸਰ ਹੁੰਦਾ ਹੈ ਜੋ ਮਿੱਟੀ ਦੀ ਨਮੀ ਨੂੰ ਮਾਪਦਾ ਹੈ ਮਿੱਟੀ ਦੀ ਕੈਪੈਸਿਟੈਂਸ ਦਾ ਪਤਾ ਲਗਾ ਕੇ, ਇੱਕ ਗੁਣ ਜੋ ਮਿੱਟੀ ਦੀ ਨਮੀ ਦੇ ਬਦਲਣ ਨਾਲ ਬਦਲਦਾ ਹੈ। ਜਿਵੇਂ ਜਿਵੇਂ ਮਿੱਟੀ ਦੀ ਨਮੀ ਵਧਦੀ ਹੈ, ਵੋਲਟੇਜ ਘਟਦਾ ਹੈ।

ਇਹ ਇੱਕ ਐਨਾਲੌਗ ਸੈਂਸਰ ਹੈ, ਇਸ ਲਈ ਇਹ 1-1,023 ਦੇ ਮੁੱਲ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਲਈ ਨਕਲੀ 10-ਬਿਟ ADC ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

CounterFit ਵਿੱਚ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਸ਼ਾਮਲ ਕਰੋ

ਵਰਚੁਅਲ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਇਸਨੂੰ CounterFit ਐਪ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

ਟਾਸਕ - CounterFit ਵਿੱਚ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਸ਼ਾਮਲ ਕਰੋ

CounterFit ਐਪ ਵਿੱਚ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਸ਼ਾਮਲ ਕਰੋ।

ਆਪਣੇ ਕੰਪਿਊਟਰ 'ਤੇ soil-moisture-sensor ਨਾਮਕ ਫੋਲਡਰ ਵਿੱਚ ਇੱਕ ਨਵਾਂ Python ਐਪ ਬਣਾਓ ਜਿਸ ਵਿੱਚ app.py ਨਾਮਕ ਇੱਕ ਫਾਈਲ ਹੋਵੇ ਅਤੇ ਇੱਕ Python ਵਰਚੁਅਲ ਵਾਤਾਵਰਣ ਬਣਾਓ, ਅਤੇ CounterFit pip ਪੈਕੇਜ ਸ਼ਾਮਲ ਕਰੋ।

⚠️ ਤੁਸੀਂ ਪਾਠ 1 ਵਿੱਚ CounterFit Python ਪ੍ਰੋਜੈਕਟ ਬਣਾਉਣ ਅਤੇ ਸੈਟਅੱਪ ਕਰਨ ਦੇ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਜ਼ਰੂਰਤ ਪੜਨ 'ਤੇ ਦੇਖ ਸਕਦੇ ਹੋ।
ਯਕੀਨੀ ਬਣਾਓ ਕਿ CounterFit ਵੈੱਬ ਐਪ ਚੱਲ ਰਿਹਾ ਹੈ।
ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਬਣਾਓ:
1. Sensors ਪੈਨ ਵਿੱਚ Create sensor ਬਾਕਸ ਵਿੱਚ, Sensor type ਡ੍ਰੌਪਡਾਊਨ ਬਾਕਸ ਵਿੱਚ Soil Moisture ਚੁਣੋ।
2. Units ਨੂੰ NoUnits 'ਤੇ ਹੀ ਰੱਖੋ।
3. ਯਕੀਨੀ ਬਣਾਓ ਕਿ Pin ਨੂੰ 0 'ਤੇ ਸੈਟ ਕੀਤਾ ਗਿਆ ਹੈ।
4. Add ਬਟਨ ਚੁਣੋ ਤਾਂ ਜੋ Soil Moisture ਸੈਂਸਰ Pin 0 'ਤੇ ਬਣਾਇਆ ਜਾ ਸਕੇ।
ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਬਣਾਇਆ ਜਾਵੇਗਾ ਅਤੇ ਸੈਂਸਰਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ ਦਿਖਾਈ ਦੇਵੇਗਾ।

ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਐਪ ਪ੍ਰੋਗਰਾਮ ਕਰੋ

ਹੁਣ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਐਪ ਨੂੰ CounterFit ਸੈਂਸਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੋਗਰਾਮ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਟਾਸਕ - ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਐਪ ਪ੍ਰੋਗਰਾਮ ਕਰੋ

ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਐਪ ਪ੍ਰੋਗਰਾਮ ਕਰੋ।

ਯਕੀਨੀ ਬਣਾਓ ਕਿ soil-moisture-sensor ਐਪ VS Code ਵਿੱਚ ਖੁੱਲਾ ਹੈ।
app.py ਫਾਈਲ ਖੋਲ੍ਹੋ।
CounterFit ਨਾਲ ਐਪ ਨੂੰ ਕਨੈਕਟ ਕਰਨ ਲਈ app.py ਦੇ ਉੱਪਰ ਹਿੱਸੇ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤਾ ਕੋਡ ਸ਼ਾਮਲ ਕਰੋ:
```
from counterfit_connection import CounterFitConnection
CounterFitConnection.init('127.0.0.1', 5000)
```
ਕੁਝ ਲੋੜੀਂਦੇ ਲਾਇਬ੍ਰੇਰੀਜ਼ ਨੂੰ ਇਮਪੋਰਟ ਕਰਨ ਲਈ app.py ਫਾਈਲ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤਾ ਕੋਡ ਸ਼ਾਮਲ ਕਰੋ:
```
import time
from counterfit_shims_grove.adc import ADC
```
import time ਸਟੇਟਮੈਂਟ time ਮੌਡਿਊਲ ਨੂੰ ਇਮਪੋਰਟ ਕਰਦਾ ਹੈ ਜੋ ਇਸ ਅਸਾਈਨਮੈਂਟ ਵਿੱਚ ਬਾਅਦ ਵਿੱਚ ਵਰਤਿਆ ਜਾਵੇਗਾ।

from counterfit_shims_grove.adc import ADC ਸਟੇਟਮੈਂਟ ADC ਕਲਾਸ ਨੂੰ ਇਮਪੋਰਟ ਕਰਦਾ ਹੈ ਜੋ CounterFit ਸੈਂਸਰ ਨਾਲ ਕਨੈਕਟ ਕਰਨ ਵਾਲੇ ਵਰਚੁਅਲ ਐਨਾਲੌਗ ਤੋਂ ਡਿਜਿਟਲ ਕਨਵਰਟਰ ਨਾਲ ਇੰਟਰਐਕਟ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਵੇਗਾ।
ਹੇਠਾਂ ਦਿੱਤਾ ਕੋਡ ਇਸਦੇ ਹੇਠਾਂ ਸ਼ਾਮਲ ਕਰੋ ਤਾਂ ਜੋ ADC ਕਲਾਸ ਦਾ ਇੱਕ ਇੰਸਟੈਂਸ ਬਣਾਇਆ ਜਾ ਸਕੇ:
```
adc = ADC()
```
ਇੱਕ ਅਨੰਤ ਲੂਪ ਸ਼ਾਮਲ ਕਰੋ ਜੋ Pin 0 'ਤੇ ਇਸ ADC ਤੋਂ ਪੜ੍ਹਦਾ ਹੈ ਅਤੇ ਨਤੀਜੇ ਨੂੰ ਕਨਸੋਲ 'ਤੇ ਲਿਖਦਾ ਹੈ। ਇਹ ਲੂਪ ਪੜ੍ਹਨ ਦੇ ਵਿਚਕਾਰ 10 ਸਕਿੰਟ ਲਈ ਸੌਂ ਸਕਦਾ ਹੈ।
```
while True:
    soil_moisture = adc.read(0)
    print("Soil moisture:", soil_moisture)

    time.sleep(10)
```
CounterFit ਐਪ ਤੋਂ, ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਦਾ ਮੁੱਲ ਬਦਲੋ ਜੋ ਐਪ ਦੁਆਰਾ ਪੜ੍ਹਿਆ ਜਾਵੇਗਾ। ਤੁਸੀਂ ਇਹ ਦੋ ਤਰੀਕਿਆਂ ਵਿੱਚ ਕਰ ਸਕਦੇ ਹੋ:
- ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਲਈ Value ਬਾਕਸ ਵਿੱਚ ਇੱਕ ਨੰਬਰ ਦਰਜ ਕਰੋ, ਫਿਰ Set ਬਟਨ ਚੁਣੋ। ਜੋ ਨੰਬਰ ਤੁਸੀਂ ਦਰਜ ਕਰਦੇ ਹੋ ਉਹ ਸੈਂਸਰ ਦੁਆਰਾ ਵਾਪਸ ਕੀਤਾ ਜਾਣ ਵਾਲਾ ਮੁੱਲ ਹੋਵੇਗਾ।
- Random ਚੈਕਬਾਕਸ ਚੁਣੋ, ਅਤੇ Min ਅਤੇ Max ਮੁੱਲ ਦਰਜ ਕਰੋ, ਫਿਰ Set ਬਟਨ ਚੁਣੋ। ਹਰ ਵਾਰ ਜਦੋਂ ਸੈਂਸਰ ਮੁੱਲ ਪੜ੍ਹਦਾ ਹੈ, ਇਹ Min ਅਤੇ Max ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਰੈਂਡਮ ਨੰਬਰ ਪੜ੍ਹੇਗਾ।
Python ਐਪ ਚਲਾਓ। ਤੁਸੀਂ ਕਨਸੋਲ 'ਤੇ ਮਿੱਟੀ ਨਮੀ ਦੇ ਮਾਪ ਦੇਖੋਗੇ। Value ਜਾਂ Random ਸੈਟਿੰਗਾਂ ਬਦਲੋ ਤਾਂ ਜੋ ਮੁੱਲ ਵਿੱਚ ਬਦਲਾਅ ਦੇਖਿਆ ਜਾ ਸਕੇ।
```
(.venv) ➜ soil-moisture-sensor $ python app.py 
Soil moisture: 615
Soil moisture: 612
Soil moisture: 498
Soil moisture: 493
Soil moisture: 490
Soil Moisture: 388
```

💁 ਤੁਸੀਂ ਇਹ ਕੋਡ code/virtual-device ਫੋਲਡਰ ਵਿੱਚ ਪਾ ਸਕਦੇ ਹੋ।

😀 ਤੁਹਾਡਾ ਮਿੱਟੀ ਨਮੀ ਸੈਂਸਰ ਪ੍ਰੋਗਰਾਮ ਸਫਲ ਰਿਹਾ!

ਅਸਵੀਕਰਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੀਤਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਇਸ ਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।

10 KiB Raw Permalink Blame History