iot_smart_classroom

介绍

本项目主要基于thingsboard，实现了机器学习和thingsboard的结合。python：先使用代码随机生成1000行数据，并保存到csv文件中，然后使用线性回归、决策树回归和随机森林回归三种方法来模拟训练和测试，最终我们得到了最佳模拟模型：随机森林。还使用深度学习的MLP进行模拟，正确率高达99%。thingsboard：使用python动态地将温度、湿度、光亮度三者的数据展示在thingsboard上，如果学生效率低于60%会警报。

软件架构

Smart Classroom based on thingsboard and python
|
|————README.md //中文文档
|————README.en.md //英文文档
|————data    // python模拟的mock数据，输出为csv文件
|    └————student_efficiency_environment.csv
|————output    // 机器学习输出的图片路径
|    |————model_performance_plots.png    // 模型模拟图片
|————iot_lab5.ipynb  // 包含 mock数据产生代码，ML数据模拟代码，连接thingsboard代码
|————iot-dl.ipynb  // DL数据模拟代码，正确率高达99%
└————thingsboard // 包含thingsboard各项配置的图片的文件夹

thingsboard

环境准备

使用自己的邮箱注册一个thingsboard官方网站账号，这时你会有一个月左右的试用时间，网站地址如：https://thingsboard.cloud/dashboards/all
项目上基于官方给的智能办公（Smart Office）dashboard修改而来，所以你的大量工作在于修改他的demo
我的电脑：macbook 2020 air m1
python环境：python=3.11.5,pandas==2.0.3,numpy==1.26.4,json==2.0.9,sklearn==1.3.0,matplotlib==3.7.2,requests==2.31.0
torch：2.2.2+cuda121
nvidia-smi:

Thingsboard配置 (极其重要)

首先，你得install smart office这个模版
然后就是一步步修改为我想要的smart classroom

删除 HVAC switch和它底下的指示器：

删除右上角电脑手机图标的Entity alias里面 Office Devices 中与Energy Meter, Water Meter和HVAC相关的配置，只留下一个Smart Sensor：

点击右上角电脑手机图标的Entity alias
修改Office Devices中的最后一项 Device Type，只需要留下一个Smart Sensor

现在我们已经只有一个smart sensor需要修改，而这个smart sensor 他有一个专属的dashboard，我们也需要对它进行修改
因此，我们先点击smart office dashboard中Devices中的Smart sensor这一行或者是小三角图标，可以进入这个dashboard，先点击save，才能进入

然后你可以继续修改smart sensor中的各项指标，比如说删除一些我的classroom里面没有的数据：

然后你再添加一些你自己需要的数据，比如说，我需要在我的smart classroom里面有温度（temperature），湿度（humidity），光亮度（lightness）以及最终的学生学习效率（efficiency）
所以我直接复制右上角的temperature card发现，所有的变量、颜色以及单位都一样，所以我需要重新修改这些变量

所以你大部分只需要修改一下主题和单位就可以，当然还有数据源

修改单位

修改名字

修改颜色

因此

以此类推，保存以后，你将修改contact info，这几个变量全部都集成在 assert下面的Office的attributes里面，你可以修改为自己的的邮箱和地址等，然后这个floorPlan千万不要删除，这个与你的smart office dashboard里面的地图组件强相关

修改完成后，你可以对dashboard首页右上角的图片进行修改

我将会将它修改为学生学习效率的图片，你可以点击edit之后，对数据源进行修改。

修改时，发现这个里面并没有数据源为student efficiency这个数据，所以我们需要新建一个：

然后我们删除第二个数据源，保留刚刚新建好的数据源：

和前面一样我们需要修改这个图片的纵坐标的数据类型和单位，我将修改为efficiency，%

完成：

点击save，保存项目。

在进行代码测试之前，我们还需要修改smart-sensor 这个设备的遥测变量

不难发现，有很多变量已经没有用了，并且我还需要添加lightness和efficienty

接下来，我们修改smart sensor的 latest telementry

让我们来试一试能不能使用https协议，用python进行数据的post请求

代码如下：（你需要根据ipynb文件里面进行修改）

import os
import requests
import json 
import time
headers = {
    'Content-Type': 'application/json',
}
# 循环遍历每一行数据
for index, row in df.iterrows():
    # 取出对应列的数据
    temperature = round(float(row['温度']),2)
    humidity = round(float(row['湿度']),2)
    lightness = round(float(row['光亮度']),2)
    efficiency = round(float(row['学习效率'])*100,2)
    data_telemetry = {"temperature": temperature,"humidity": humidity,"lightness":lightness,"efficiency":efficiency}#initialization
    data_telemetry = json.dumps(data_telemetry)
    requests.post('https://thingsboard.cloud/api/v1/你的设备号/telemetry', headers=headers, data=data_telemetry)
    print(f"Temperature: {temperature}, Humidity: {humidity}, lightness: {lightness}, Efficiency: {efficiency}")
    time.sleep(5)#wait 5 seconds to sent the next data

不出意外的话，你只需要修改 https://thingsboard.cloud/api/v1/你的设备号/telemetry 这中间的设备号替换为你的真正的smart sensor 设备号即可：

设备号在这里：

smart sensor 后面的小盾牌图标，点击你就得到设备号

连接成功后，就会发现，这些值在动：

而且你的设备也处于active的状态：

如果，你点击smart office里面devices中的smart_sensor，你会发现，这几个图表都在动态变化，这意味着我们的数据传输成功了！

依据上图，我没发现lightness 这个card的数据不大对劲，我们重新设置他的阈值：

ok，正常了！

student efficiency 也正常显示了

现在，我们需要去修改alarms的规则：由于alarms是基于之前的规则产生的，所以，根据我们smart classroom的设想，我们需要将学生的学习效率作为最终的评判标准，因此为设置如果学习效率低于50%就报警：
修改的页面在device profiles的smart-sensor中的alarm rules