7.5 KiB

Raw Permalink Blame History

مٹی کی نمی کی پیمائش - ورچوئل IoT ہارڈویئر

اس سبق کے اس حصے میں، آپ اپنے ورچوئل IoT ڈیوائس میں ایک کیپیسٹیو مٹی نمی سینسر شامل کریں گے اور اس سے ڈیٹا پڑھیں گے۔

ورچوئل ہارڈویئر

ورچوئل IoT ڈیوائس ایک سیمولیٹڈ Grove کیپیسٹیو مٹی نمی سینسر استعمال کرے گا۔ یہ لیب بالکل ویسی ہی ہوگی جیسے آپ Raspberry Pi کے ساتھ ایک فزیکل Grove کیپیسٹیو مٹی نمی سینسر استعمال کر رہے ہوں۔

ایک فزیکل IoT ڈیوائس میں، مٹی نمی سینسر ایک کیپیسٹیو سینسر ہوگا جو مٹی کی نمی کو مٹی کی کیپیسٹینس کا پتہ لگا کر ماپتا ہے، جو ایک ایسی خاصیت ہے جو مٹی کی نمی کے بدلنے کے ساتھ تبدیل ہوتی ہے۔ جیسے جیسے مٹی کی نمی بڑھتی ہے، وولٹیج کم ہو جاتا ہے۔

یہ ایک اینالاگ سینسر ہے، اس لیے یہ 10-بٹ ADC کا استعمال کرتے ہوئے 1 سے 1,023 تک کی ویلیو رپورٹ کرتا ہے۔

CounterFit میں مٹی نمی سینسر شامل کریں

ورچوئل مٹی نمی سینسر استعمال کرنے کے لیے، آپ کو اسے CounterFit ایپ میں شامل کرنا ہوگا۔

کام - CounterFit میں مٹی نمی سینسر شامل کریں

CounterFit ایپ میں مٹی نمی سینسر شامل کریں۔

اپنے کمپیوٹر پر soil-moisture-sensor نامی فولڈر میں ایک نیا Python ایپ بنائیں، جس میں app.py نامی ایک فائل ہو اور ایک Python ورچوئل ماحول ہو، اور CounterFit pip پیکجز شامل کریں۔

⚠️ آپ سبق 1 میں CounterFit Python پروجیکٹ بنانے اور سیٹ اپ کرنے کی ہدایات کا حوالہ دے سکتے ہیں اگر ضرورت ہو۔
یقینی بنائیں کہ CounterFit ویب ایپ چل رہی ہے۔
مٹی نمی سینسر بنائیں:
1. Sensors پین میں Create sensor باکس میں، Sensor type ڈراپ ڈاؤن کریں اور Soil Moisture منتخب کریں۔
2. Units کو NoUnits پر سیٹ رہنے دیں۔
3. یقینی بنائیں کہ Pin کو 0 پر سیٹ کیا گیا ہے۔
4. Add بٹن کو منتخب کریں تاکہ Pin 0 پر Soil Moisture سینسر بنایا جا سکے۔
مٹی نمی سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔

مٹی نمی سینسر ایپ پروگرام کریں

اب مٹی نمی سینسر ایپ کو CounterFit سینسرز کا استعمال کرتے ہوئے پروگرام کیا جا سکتا ہے۔

کام - مٹی نمی سینسر ایپ پروگرام کریں

مٹی نمی سینسر ایپ پروگرام کریں۔

یقینی بنائیں کہ soil-moisture-sensor ایپ VS Code میں کھلی ہوئی ہے۔
app.py فائل کھولیں۔
app.py کے اوپر درج ذیل کوڈ شامل کریں تاکہ ایپ کو CounterFit سے جوڑا جا سکے:
```
from counterfit_connection import CounterFitConnection
CounterFitConnection.init('127.0.0.1', 5000)
```
app.py فائل میں درج ذیل کوڈ شامل کریں تاکہ ضروری لائبریریاں درآمد کی جا سکیں:
```
import time
from counterfit_shims_grove.adc import ADC
```
import time بیان time ماڈیول کو درآمد کرتا ہے جو اس اسائنمنٹ میں بعد میں استعمال ہوگا۔

from counterfit_shims_grove.adc import ADC بیان ADC کلاس کو درآمد کرتا ہے تاکہ ایک ورچوئل اینالاگ ٹو ڈیجیٹل کنورٹر کے ساتھ تعامل کیا جا سکے جو CounterFit سینسر سے جڑ سکتا ہے۔
اس کے نیچے درج ذیل کوڈ شامل کریں تاکہ ADC کلاس کا ایک انسٹینس بنایا جا سکے:
```
adc = ADC()
```
ایک لامتناہی لوپ شامل کریں جو Pin 0 پر اس ADC سے پڑھتا ہے اور نتیجہ کنسول پر لکھتا ہے۔ یہ لوپ ہر پڑھنے کے درمیان 10 سیکنڈ کے لیے توقف کر سکتا ہے۔
```
while True:
    soil_moisture = adc.read(0)
    print("Soil moisture:", soil_moisture)

    time.sleep(10)
```
CounterFit ایپ سے، مٹی نمی سینسر کی ویلیو تبدیل کریں جو ایپ کے ذریعے پڑھی جائے گی۔ آپ یہ دو طریقوں سے کر سکتے ہیں:
- مٹی نمی سینسر کے لیے Value باکس میں ایک نمبر درج کریں، پھر Set بٹن کو منتخب کریں۔ جو نمبر آپ درج کریں گے وہ سینسر کے ذریعے واپس کیا جانے والا ویلیو ہوگا۔
- Random چیک باکس کو چیک کریں، اور Min اور Max ویلیو درج کریں، پھر Set بٹن کو منتخب کریں۔ ہر بار جب سینسر ویلیو پڑھے گا، یہ Min اور Max کے درمیان ایک رینڈم نمبر پڑھے گا۔
Python ایپ چلائیں۔ آپ کنسول پر مٹی نمی کی پیمائش دیکھیں گے۔ Value یا Random سیٹنگز کو تبدیل کریں تاکہ ویلیو میں تبدیلی دیکھ سکیں۔
```
(.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
```

💁 آپ اس کوڈ کو code/virtual-device فولڈر میں تلاش کر سکتے ہیں۔

😀 آپ کا مٹی نمی سینسر پروگرام کامیاب رہا!

ڈسکلیمر:
یہ دستاویز AI ترجمہ سروس Co-op Translator کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔

7.5 KiB Raw Permalink Blame History