31 KiB

Raw Permalink Blame History Unescape Escape

Ενεργοποίηση ανίχνευσης ποιότητας φρούτων από έναν αισθητήρα

Σκίτσο από τη Nitya Narasimhan. Κάντε κλικ στην εικόνα για μεγαλύτερη έκδοση.

Κουίζ πριν το μάθημα

Εισαγωγή

Μια εφαρμογή IoT δεν είναι απλώς μια συσκευή που συλλέγει δεδομένα και τα στέλνει στο cloud. Συνήθως περιλαμβάνει πολλές συσκευές που συνεργάζονται για να συλλέξουν δεδομένα από τον φυσικό κόσμο μέσω αισθητήρων, να λαμβάνουν αποφάσεις βάσει αυτών των δεδομένων και να αλληλεπιδρούν με τον φυσικό κόσμο μέσω ενεργοποιητών ή οπτικοποιήσεων.

Σε αυτό το μάθημα θα μάθετε περισσότερα για τη σχεδίαση σύνθετων εφαρμογών IoT, ενσωματώνοντας πολλούς αισθητήρες, διάφορες υπηρεσίες cloud για ανάλυση και αποθήκευση δεδομένων, και παρουσιάζοντας μια απόκριση μέσω ενός ενεργοποιητή. Θα μάθετε πώς να σχεδιάσετε ένα πρωτότυπο σύστημα ελέγχου ποιότητας φρούτων, συμπεριλαμβανομένης της χρήσης αισθητήρων εγγύτητας για την ενεργοποίηση της εφαρμογής IoT και ποια θα είναι η αρχιτεκτονική αυτού του πρωτοτύπου.

Σε αυτό το μάθημα θα καλύψουμε:

🗑 Αυτό είναι το τελευταίο μάθημα σε αυτό το έργο, οπότε αφού ολοκληρώσετε το μάθημα και την εργασία, μην ξεχάσετε να καθαρίσετε τις υπηρεσίες cloud σας. Θα χρειαστείτε τις υπηρεσίες για να ολοκληρώσετε την εργασία, οπότε βεβαιωθείτε ότι την ολοκληρώσατε πρώτα.

Ανατρέξτε στον οδηγό καθαρισμού του έργου σας εάν χρειάζεστε οδηγίες για το πώς να το κάνετε αυτό.

Σχεδίαση σύνθετων εφαρμογών IoT

Οι εφαρμογές IoT αποτελούνται από πολλά στοιχεία. Αυτό περιλαμβάνει διάφορες συσκευές και υπηρεσίες διαδικτύου.

Οι εφαρμογές IoT μπορούν να περιγραφούν ως πράγματα (συσκευές) που στέλνουν δεδομένα τα οποία δημιουργούν γνώσεις. Αυτές οι γνώσεις δημιουργούν ενέργειες για τη βελτίωση μιας επιχείρησης ή μιας διαδικασίας. Ένα παράδειγμα είναι ένας κινητήρας (το πράγμα) που στέλνει δεδομένα θερμοκρασίας. Αυτά τα δεδομένα χρησιμοποιούνται για να αξιολογηθεί αν ο κινητήρας λειτουργεί όπως αναμένεται (η γνώση). Η γνώση χρησιμοποιείται για να δοθεί προτεραιότητα στο πρόγραμμα συντήρησης του κινητήρα (η ενέργεια).

Διαφορετικά πράγματα συλλέγουν διαφορετικά κομμάτια δεδομένων.
Οι υπηρεσίες IoT παρέχουν γνώσεις πάνω σε αυτά τα δεδομένα, μερικές φορές εμπλουτίζοντάς τα με δεδομένα από πρόσθετες πηγές.
Αυτές οι γνώσεις οδηγούν σε ενέργειες, όπως ο έλεγχος ενεργοποιητών σε συσκευές ή η οπτικοποίηση δεδομένων.

Αναφορά αρχιτεκτονικής IoT

Το παραπάνω διάγραμμα δείχνει μια αναφορά αρχιτεκτονικής IoT.

🎓 Μια αναφορά αρχιτεκτονικής είναι ένα παράδειγμα αρχιτεκτονικής που μπορείτε να χρησιμοποιήσετε ως αναφορά κατά τη σχεδίαση νέων συστημάτων. Στην προκειμένη περίπτωση, αν δημιουργούσατε ένα νέο σύστημα IoT, μπορείτε να ακολουθήσετε την αναφορά αρχιτεκτονικής, αντικαθιστώντας τις δικές σας συσκευές και υπηρεσίες όπου είναι απαραίτητο.

Πράγματα είναι συσκευές που συλλέγουν δεδομένα από αισθητήρες, ίσως αλληλεπιδρώντας με υπηρεσίες edge για την ερμηνεία αυτών των δεδομένων, όπως ταξινομητές εικόνων για την ερμηνεία δεδομένων εικόνας. Τα δεδομένα από τις συσκευές αποστέλλονται σε μια υπηρεσία IoT.
Γνώσεις προέρχονται από εφαρμογές χωρίς διακομιστή ή από αναλύσεις που εκτελούνται σε αποθηκευμένα δεδομένα.
Ενέργειες μπορεί να είναι εντολές που αποστέλλονται σε συσκευές ή οπτικοποίηση δεδομένων που επιτρέπουν στους ανθρώπους να λαμβάνουν αποφάσεις.

Το παραπάνω διάγραμμα δείχνει μερικά από τα στοιχεία και τις υπηρεσίες που καλύφθηκαν μέχρι τώρα σε αυτά τα μαθήματα και πώς συνδέονται μεταξύ τους σε μια αναφορά αρχιτεκτονικής IoT.

Πράγματα - έχετε γράψει κώδικα συσκευής για τη συλλογή δεδομένων από αισθητήρες και την ανάλυση εικόνων χρησιμοποιώντας το Custom Vision που εκτελείται τόσο στο cloud όσο και σε μια συσκευή edge. Αυτά τα δεδομένα αποστέλλονται στο IoT Hub.
Γνώσεις - έχετε χρησιμοποιήσει Azure Functions για να ανταποκριθείτε σε μηνύματα που αποστέλλονται σε ένα IoT Hub και έχετε αποθηκεύσει δεδομένα για μελλοντική ανάλυση στο Azure Storage.
Ενέργειες - έχετε ελέγξει ενεργοποιητές βάσει αποφάσεων που λαμβάνονται στο cloud και εντολών που αποστέλλονται στις συσκευές, και έχετε οπτικοποιήσει δεδομένα χρησιμοποιώντας το Azure Maps.

✅ Σκεφτείτε άλλες συσκευές IoT που έχετε χρησιμοποιήσει, όπως οικιακές συσκευές smart home. Ποια είναι τα πράγματα, οι γνώσεις και οι ενέργειες που εμπλέκονται σε αυτή τη συσκευή και το λογισμικό της;

Αυτό το μοτίβο μπορεί να επεκταθεί όσο μικρό ή μεγάλο χρειάζεται, προσθέτοντας περισσότερες συσκευές και περισσότερες υπηρεσίες.

Δεδομένα και ασφάλεια

Καθώς ορίζετε την αρχιτεκτονική του συστήματός σας, πρέπει να λαμβάνετε συνεχώς υπόψη τα δεδομένα και την ασφάλεια.

Ποια δεδομένα στέλνει και λαμβάνει η συσκευή σας;
Πώς πρέπει να διασφαλιστούν και να προστατευτούν αυτά τα δεδομένα;
Πώς πρέπει να ελέγχεται η πρόσβαση στη συσκευή και την υπηρεσία cloud;

✅ Σκεφτείτε την ασφάλεια δεδομένων οποιωνδήποτε συσκευών IoT έχετε. Πόσα από αυτά τα δεδομένα είναι προσωπικά και πρέπει να παραμείνουν ιδιωτικά, τόσο κατά τη μεταφορά όσο και κατά την αποθήκευση; Ποια δεδομένα δεν πρέπει να αποθηκεύονται;

Σχεδίαση ενός συστήματος ελέγχου ποιότητας φρούτων

Ας εφαρμόσουμε τώρα αυτή την ιδέα των πραγμάτων, των γνώσεων και των ενεργειών στον ανιχνευτή ποιότητας φρούτων μας για να σχεδιάσουμε μια μεγαλύτερη εφαρμογή από άκρο σε άκρο.

Φανταστείτε ότι σας έχει ανατεθεί να δημιουργήσετε έναν ανιχνευτή ποιότητας φρούτων που θα χρησιμοποιηθεί σε ένα εργοστάσιο επεξεργασίας. Τα φρούτα μετακινούνται σε ένα σύστημα μεταφορικής ταινίας, όπου αυτή τη στιγμή οι εργαζόμενοι ελέγχουν τα φρούτα με το χέρι και αφαιρούν όσα δεν είναι ώριμα. Για να μειωθεί το κόστος, ο ιδιοκτήτης του εργοστασίου θέλει ένα αυτοματοποιημένο σύστημα.

✅ Ένα από τα φαινόμενα με την άνοδο του IoT (και της τεχνολογίας γενικότερα) είναι ότι οι χειρωνακτικές εργασίες αντικαθίστανται από μηχανές. Κάντε μια έρευνα: Πόσες θέσεις εργασίας εκτιμάται ότι θα χαθούν λόγω του IoT; Πόσες νέες θέσεις εργασίας θα δημιουργηθούν για την κατασκευή συσκευών IoT;

Πρέπει να δημιουργήσετε ένα σύστημα όπου τα φρούτα ανιχνεύονται καθώς φτάνουν στη μεταφορική ταινία, φωτογραφίζονται και ελέγχονται χρησιμοποιώντας ένα μοντέλο AI που εκτελείται στο edge. Τα αποτελέσματα αποστέλλονται στο cloud για αποθήκευση και, αν τα φρούτα δεν είναι ώριμα, δίνεται μια ειδοποίηση ώστε να αφαιρεθούν.


Πράγματα	Ανιχνευτής για την άφιξη φρούτων στη μεταφορική ταινία Κάμερα για φωτογράφιση και ταξινόμηση των φρούτων Συσκευή edge που εκτελεί τον ταξινομητή Συσκευή για ειδοποίηση μη ώριμων φρούτων
Γνώσεις	Απόφαση για έλεγχο της ωριμότητας των φρούτων Αποθήκευση των αποτελεσμάτων της ταξινόμησης ωριμότητας Απόφαση για ειδοποίηση μη ώριμων φρούτων
Ενέργειες	Αποστολή εντολής σε συσκευή για φωτογράφιση και έλεγχο με ταξινομητή εικόνας Αποστολή εντολής σε συσκευή για ειδοποίηση μη ώριμων φρούτων

Δημιουργία πρωτοτύπου της εφαρμογής σας

Το παραπάνω διάγραμμα δείχνει μια αναφορά αρχιτεκτονικής για αυτή την πρωτότυπη εφαρμογή.

Μια συσκευή IoT με αισθητήρα εγγύτητας ανιχνεύει την άφιξη φρούτων. Αυτό στέλνει ένα μήνυμα στο cloud για να δηλώσει ότι ανιχνεύθηκαν φρούτα.
Μια εφαρμογή χωρίς διακομιστή στο cloud στέλνει εντολή σε άλλη συσκευή για να τραβήξει φωτογραφία και να ταξινομήσει την εικόνα.
Μια συσκευή IoT με κάμερα τραβάει μια φωτογραφία και την αποστέλλει σε έναν ταξινομητή εικόνας που εκτελείται στο edge. Τα αποτελέσματα αποστέλλονται στο cloud.
Μια εφαρμογή χωρίς διακομιστή στο cloud αποθηκεύει αυτές τις πληροφορίες για ανάλυση αργότερα, ώστε να δει ποιο ποσοστό φρούτων δεν είναι ώριμα. Αν τα φρούτα δεν είναι ώριμα, στέλνει εντολή σε άλλη συσκευή IoT για να ειδοποιήσει τους εργαζόμενους του εργοστασίου μέσω ενός LED.

💁 Ολόκληρη αυτή η εφαρμογή IoT θα μπορούσε να υλοποιηθεί ως μια ενιαία συσκευή, με όλη τη λογική για την έναρξη της ταξινόμησης εικόνας και τον έλεγχο του LED ενσωματωμένη. Θα μπορούσε να χρησιμοποιεί ένα IoT Hub μόνο για την παρακολούθηση του αριθμού των μη ώριμων φρούτων που ανιχνεύονται και τη ρύθμιση της συσκευής. Σε αυτό το μάθημα επεκτείνεται για να επιδειχθούν οι έννοιες για εφαρμογές IoT μεγάλης κλίμακας.

Για το πρωτότυπο, θα υλοποιήσετε όλα αυτά σε μια ενιαία συσκευή. Αν χρησιμοποιείτε μικροελεγκτή, τότε θα χρησιμοποιήσετε μια ξεχωριστή συσκευή edge για να εκτελέσετε τον ταξινομητή εικόνας. Έχετε ήδη μάθει τα περισσότερα από τα πράγματα που θα χρειαστείτε για να το κατασκευάσετε.

Ενεργοποίηση ελέγχου ποιότητας φρούτων από έναν αισθητήρα

Η συσκευή IoT χρειάζεται κάποιο είδος ενεργοποίησης για να υποδείξει πότε τα φρούτα είναι έτοιμα για ταξινόμηση. Μια ενεργοποίηση για αυτό θα μπορούσε να είναι η μέτρηση της απόστασης από έναν αισθητήρα για να διαπιστωθεί πότε τα φρούτα βρίσκονται στη σωστή θέση στη μεταφορική ταινία.

Οι αισθητήρες εγγύτητας μπορούν να χρησιμοποιηθούν για τη μέτρηση της απόστασης από τον αισθητήρα έως ένα αντικείμενο. Συνήθως εκπέμπουν μια ακτίνα ηλεκτρομαγνητικής ακτινοβολίας, όπως μια ακτίνα λέιζερ ή υπέρυθρο φως, και στη συνέχεια ανιχνεύουν την ακτινοβολία που ανακλάται από ένα αντικείμενο. Ο χρόνος μεταξύ της εκπομπής της ακτίνας λέιζερ και της επιστροφής του σήματος μπορεί να χρησιμοποιηθεί για τον υπολογισμό της απόστασης από τον αισθητήρα.

💁 Πιθανότατα έχετε χρησιμοποιήσει αισθητήρες εγγύτητας χωρίς καν να το γνωρίζετε. Τα περισσότερα smartphones απενεργοποιούν την οθόνη όταν τα κρατάτε στο αυτί σας για να αποτρέψουν την τυχαία διακοπή μιας κλήσης με τον λοβό του αυτιού σας. Αυτό λειτουργεί με τη χρήση ενός αισθητήρα εγγύτητας, που ανιχνεύει ένα αντικείμενο κοντά στην οθόνη κατά τη διάρκεια μιας κλήσης και απενεργοποιεί τις δυνατότητες αφής μέχρι το τηλέφωνο να απομακρυνθεί σε μια συγκεκριμένη απόσταση.

Εργασία - ενεργοποίηση ανίχνευσης ποιότητας φρούτων από έναν αισθητήρα απόστασης

Ακολουθήστε τον σχετικό οδηγό για να χρησιμοποιήσετε έναν αισθητήρα εγγύτητας για την ανίχνευση ενός αντικειμένου χρησιμοποιώντας τη συσκευή IoT σας:

Δεδομένα που χρησιμοποιούνται για έναν ανιχνευτή ποιότητας φρούτων

Το πρωτότυπο ανιχνευτή φρούτων έχει πολλαπλά στοιχεία που επικοινωνούν μεταξύ τους.

Ένας αισθητήρας εγγύτητας που μετρά την απόσταση από ένα φρούτο και στέλνει αυτά τα δεδομένα στο IoT Hub
Η εντολή για τον έλεγχο της κάμερας που προέρχεται από το IoT Hub προς τη συσκευή της κάμερας
Τα αποτελέσματα της ταξινόμησης εικόνας που αποστέλλονται στο IoT Hub
Η εντολή για τον έλεγχο ενός LED για ειδοποίηση μη ώριμων φρούτων που αποστέλλεται από το IoT Hub στη συσκευή με το LED

Είναι καλό να ορίσετε τη δομή αυτών των μηνυμάτων εκ των προτέρων, πριν κατασκευάσετε την εφαρμογή.

💁 Σχεδόν κάθε έμπειρος προγραμματιστής έχει περάσει κάποια στιγμή στην καριέρα του ώρες, μέρες ή ακόμα και εβδομάδες κυνηγώντας σφάλματα που προκλήθηκαν από διαφορές στα δεδομένα που αποστέλλονται σε σχέση με αυτά που αναμένονται.

Για παράδειγμα - αν στέλνετε πληροφορίες θερμοκρασίας, πώς θα ορίζατε το JSON; Θα μπορούσατε να έχετε ένα πεδίο που ονομάζεται temperature, ή θα μπορούσατε να χρησιμοποιήσετε τη συνήθη συντομογραφία temp.

{
    "temperature": 20.7
}

σε σύγκριση με:

{
    "temp": 20.7
}

💁 Να έχετε υπόψη ότι ορισμένο υλικό δεν θα λειτουργεί όταν προσπαθεί να το χρησιμοποιήσει ταυτόχρονα περισσότερες από μία εφαρμογές.

Προσομοίωση πολλαπλών συσκευών σε έναν μικροελεγκτή

Οι μικροελεγκτές είναι πιο περίπλοκοι όταν πρόκειται για την προσομοίωση πολλαπλών συσκευών. Σε αντίθεση με τους υπολογιστές μονού πίνακα, δεν μπορείτε να εκτελέσετε πολλές εφαρμογές ταυτόχρονα. Πρέπει να συμπεριλάβετε όλη τη λογική για όλες τις ξεχωριστές IoT συσκευές σε μία μόνο εφαρμογή.

Μερικές προτάσεις για να κάνετε αυτή τη διαδικασία πιο εύκολη είναι:

Δημιουργήστε μία ή περισσότερες κλάσεις για κάθε IoT συσκευή - για παράδειγμα, κλάσεις που ονομάζονται DistanceSensor, ClassifierCamera, LEDController. Κάθε μία μπορεί να έχει τις δικές της μεθόδους setup και loop, οι οποίες καλούνται από τις κύριες συναρτήσεις setup και loop.
Διαχειριστείτε τις εντολές σε ένα μόνο σημείο και κατευθύνετέ τις στην αντίστοιχη κλάση συσκευής, όπως απαιτείται.
Στη βασική συνάρτηση loop, θα χρειαστεί να λάβετε υπόψη το χρονισμό για κάθε διαφορετική συσκευή. Για παράδειγμα, αν έχετε μία κλάση συσκευής που χρειάζεται επεξεργασία κάθε 10 δευτερόλεπτα και μία άλλη που χρειάζεται επεξεργασία κάθε 1 δευτερόλεπτο, τότε στη βασική συνάρτηση loop χρησιμοποιήστε καθυστέρηση 1 δευτερολέπτου. Κάθε κλήση loop ενεργοποιεί τον σχετικό κώδικα για τη συσκευή που χρειάζεται επεξεργασία κάθε δευτερόλεπτο, και χρησιμοποιήστε έναν μετρητή για να μετρήσετε κάθε βρόχο, επεξεργαζόμενοι την άλλη συσκευή όταν ο μετρητής φτάσει το 10 (επαναφέροντας τον μετρητή μετά).

Μετάβαση στην παραγωγή

Το πρωτότυπο θα αποτελέσει τη βάση ενός τελικού συστήματος παραγωγής. Μερικές από τις διαφορές όταν μεταβείτε στην παραγωγή θα είναι:

Ανθεκτικά εξαρτήματα - χρήση υλικού σχεδιασμένου να αντέχει τον θόρυβο, τη θερμότητα, τους κραδασμούς και την καταπόνηση ενός εργοστασίου.
Χρήση εσωτερικών επικοινωνιών - ορισμένα από τα εξαρτήματα θα επικοινωνούν απευθείας, αποφεύγοντας τη μετάβαση στο cloud, στέλνοντας δεδομένα στο cloud μόνο για αποθήκευση. Ο τρόπος που γίνεται αυτό εξαρτάται από τη ρύθμιση του εργοστασίου, είτε με άμεσες επικοινωνίες είτε με την εκτέλεση μέρους της υπηρεσίας IoT στην άκρη χρησιμοποιώντας μια συσκευή πύλης.
Επιλογές διαμόρφωσης - κάθε εργοστάσιο και περίπτωση χρήσης είναι διαφορετική, οπότε το υλικό θα πρέπει να είναι παραμετροποιήσιμο. Για παράδειγμα, ο αισθητήρας εγγύτητας μπορεί να χρειάζεται να ανιχνεύει διαφορετικά φρούτα σε διαφορετικές αποστάσεις. Αντί να κωδικοποιήσετε σκληρά την απόσταση για να ενεργοποιήσετε την ταξινόμηση, θα θέλατε αυτό να είναι παραμετροποιήσιμο μέσω του cloud, για παράδειγμα χρησιμοποιώντας ένα device twin.
Αυτόματη αφαίρεση φρούτων - αντί για ένα LED που ειδοποιεί ότι το φρούτο δεν είναι ώριμο, αυτόματες συσκευές θα το αφαιρούν.

✅ Κάντε λίγη έρευνα: Με ποιους άλλους τρόπους θα διέφεραν οι συσκευές παραγωγής από τα developer kits;

🚀 Πρόκληση

Σε αυτό το μάθημα μάθατε κάποιες από τις έννοιες που πρέπει να γνωρίζετε για το πώς να σχεδιάσετε ένα σύστημα IoT. Σκεφτείτε τα προηγούμενα έργα. Πώς ταιριάζουν στην αναφορά αρχιτεκτονικής που παρουσιάστηκε παραπάνω;

Επιλέξτε ένα από τα έργα μέχρι τώρα και σκεφτείτε τον σχεδιασμό μιας πιο περίπλοκης λύσης που συνδυάζει πολλαπλές δυνατότητες πέρα από ό,τι καλύφθηκε στα έργα. Σχεδιάστε την αρχιτεκτονική και σκεφτείτε όλες τις συσκευές και τις υπηρεσίες που θα χρειαστείτε.

Για παράδειγμα - μια συσκευή παρακολούθησης οχημάτων που συνδυάζει GPS με αισθητήρες για την παρακολούθηση πραγμάτων όπως οι θερμοκρασίες σε ένα φορτηγό-ψυγείο, οι χρόνοι ενεργοποίησης και απενεργοποίησης του κινητήρα και η ταυτότητα του οδηγού. Ποιες είναι οι εμπλεκόμενες συσκευές, οι εμπλεκόμενες υπηρεσίες, τα δεδομένα που μεταδίδονται και οι σκέψεις για την ασφάλεια και την ιδιωτικότητα;

Κουίζ μετά το μάθημα

Ανασκόπηση & Αυτομελέτη

Διαβάστε περισσότερα για την αρχιτεκτονική IoT στη τεκμηρίωση αναφοράς αρχιτεκτονικής IoT του Azure στα Microsoft docs
Διαβάστε περισσότερα για τα device twins στη τεκμηρίωση κατανόησης και χρήσης των device twins στο IoT Hub στα Microsoft docs
Διαβάστε για το OPC-UA, ένα πρωτόκολλο επικοινωνίας μηχανής προς μηχανή που χρησιμοποιείται στον βιομηχανικό αυτοματισμό στη σελίδα OPC-UA στη Wikipedia

Εργασία

Δημιουργήστε έναν ανιχνευτή ποιότητας φρούτων

Αποποίηση ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.

31 KiB Raw Permalink Blame History Unescape Escape