9.9 KiB

Raw Permalink Blame History

मिट्टी की नमी मापें - वर्चुअल IoT हार्डवेयर

इस पाठ के इस भाग में, आप अपने वर्चुअल IoT डिवाइस में एक कैपेसिटिव मिट्टी नमी सेंसर जोड़ेंगे और इससे मान पढ़ेंगे।

वर्चुअल हार्डवेयर

वर्चुअल IoT डिवाइस एक सिम्युलेटेड Grove कैपेसिटिव मिट्टी नमी सेंसर का उपयोग करेगा। यह प्रयोग को उसी तरह बनाए रखता है जैसे कि एक Raspberry Pi के साथ एक भौतिक Grove कैपेसिटिव मिट्टी नमी सेंसर का उपयोग करना।

एक भौतिक IoT डिवाइस में, मिट्टी नमी सेंसर एक कैपेसिटिव सेंसर होता है जो मिट्टी की नमी को मापता है, मिट्टी की कैपेसिटेंस का पता लगाकर, जो मिट्टी की नमी बदलने पर बदलती है। जैसे-जैसे मिट्टी की नमी बढ़ती है, वोल्टेज घटता है।

यह एक एनालॉग सेंसर है, इसलिए यह 10-बिट ADC का उपयोग करके 1-1,023 के बीच मान रिपोर्ट करता है।

CounterFit में मिट्टी नमी सेंसर जोड़ें

वर्चुअल मिट्टी नमी सेंसर का उपयोग करने के लिए, आपको इसे CounterFit ऐप में जोड़ना होगा।

कार्य - CounterFit में मिट्टी नमी सेंसर जोड़ें

CounterFit ऐप में मिट्टी नमी सेंसर जोड़ें।

अपने कंप्यूटर पर soil-moisture-sensor नामक एक फ़ोल्डर में एक नया Python ऐप बनाएं, जिसमें app.py नामक एक फ़ाइल और एक Python वर्चुअल एनवायरनमेंट हो, और CounterFit pip पैकेज जोड़ें।

⚠️ यदि आवश्यक हो, तो पाठ 1 में CounterFit Python प्रोजेक्ट बनाने और सेटअप करने के निर्देशों का संदर्भ लें।
सुनिश्चित करें कि CounterFit वेब ऐप चल रहा है।
मिट्टी नमी सेंसर बनाएं:
1. Sensors पैन में Create sensor बॉक्स में, Sensor type ड्रॉपडाउन करें और Soil Moisture चुनें।
2. Units को NoUnits पर सेट रहने दें।
3. सुनिश्चित करें कि Pin को 0 पर सेट किया गया है।
4. Add बटन चुनें ताकि Soil Moisture सेंसर Pin 0 पर बनाया जा सके।
मिट्टी नमी सेंसर बनाया जाएगा और सेंसर सूची में दिखाई देगा।

मिट्टी नमी सेंसर ऐप प्रोग्राम करें

अब मिट्टी नमी सेंसर ऐप को CounterFit सेंसर का उपयोग करके प्रोग्राम किया जा सकता है।

कार्य - मिट्टी नमी सेंसर ऐप प्रोग्राम करें

मिट्टी नमी सेंसर ऐप प्रोग्राम करें।

सुनिश्चित करें कि soil-moisture-sensor ऐप VS Code में खुला है।
app.py फ़ाइल खोलें।
CounterFit से ऐप को कनेक्ट करने के लिए app.py के शीर्ष पर निम्न कोड जोड़ें:
```
from counterfit_connection import CounterFitConnection
CounterFitConnection.init('127.0.0.1', 5000)
```
कुछ आवश्यक लाइब्रेरी आयात करने के लिए app.py फ़ाइल में निम्न कोड जोड़ें:
```
import time
from counterfit_shims_grove.adc import ADC
```
import time स्टेटमेंट time मॉड्यूल को आयात करता है, जिसका उपयोग बाद में इस असाइनमेंट में किया जाएगा।

from counterfit_shims_grove.adc import ADC स्टेटमेंट ADC क्लास को आयात करता है ताकि CounterFit सेंसर से कनेक्ट होने वाले वर्चुअल एनालॉग टू डिजिटल कन्वर्टर के साथ इंटरैक्ट किया जा सके।
इसके नीचे निम्न कोड जोड़ें ताकि ADC क्लास का एक इंस्टेंस बनाया जा सके:
```
adc = ADC()
```
एक अनंत लूप जोड़ें जो Pin 0 पर इस ADC से पढ़ता है और परिणाम को कंसोल पर लिखता है। यह लूप प्रत्येक पढ़ने के बीच 10 सेकंड के लिए सो सकता है।
```
while True:
    soil_moisture = adc.read(0)
    print("Soil moisture:", soil_moisture)

    time.sleep(10)
```
CounterFit ऐप से, मिट्टी नमी सेंसर का मान बदलें जिसे ऐप द्वारा पढ़ा जाएगा। आप इसे दो तरीकों में से एक में कर सकते हैं:
- मिट्टी नमी सेंसर के लिए Value बॉक्स में एक संख्या दर्ज करें, फिर Set बटन चुनें। आपके द्वारा दर्ज की गई संख्या सेंसर द्वारा लौटाया गया मान होगी।
- Random चेकबॉक्स को चेक करें, और Min और Max मान दर्ज करें, फिर Set बटन चुनें। हर बार जब सेंसर एक मान पढ़ता है, तो यह Min और Max के बीच एक रैंडम संख्या पढ़ेगा।
Python ऐप चलाएं। आप कंसोल पर मिट्टी नमी माप देखेंगे। Value या Random सेटिंग्स बदलें ताकि मान बदलता हुआ दिखाई दे।
```
(.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
```

💁 आप इस कोड को code/virtual-device फ़ोल्डर में पा सकते हैं।

😀 आपका मिट्टी नमी सेंसर प्रोग्राम सफल रहा!

अस्वीकरण:
यह दस्तावेज़ AI अनुवाद सेवा Co-op Translator का उपयोग करके अनुवादित किया गया है। जबकि हम सटीकता सुनिश्चित करने का प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवाद में त्रुटियां या अशुद्धियां हो सकती हैं। मूल भाषा में उपलब्ध मूल दस्तावेज़ को आधिकारिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम जिम्मेदार नहीं हैं।

9.9 KiB Raw Permalink Blame History