Bygg en Raspberry Pi SUPER værstasjon: 8 trinn (med bilder)

2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:21

La oss innse det, vi mennesker snakker mye om været ⛅️. Den gjennomsnittlige personen snakker om været fire ganger om dagen, i gjennomsnitt 8 minutter og 21 sekunder. Gjør regnestykket, og det utgjør 10 måneder av livet ditt som du vil bruke til å jappe om været. Været er det første temaet for samtalestartere og ubehagelige stillhetsbrytere. Hvis vi skal snakke så mye om det, kan vi like godt ta vår værgate street cred til et helt nytt nivå. Dette super morsomme og enkle prosjektet vil utnytte tingenes internett (IoT) og en Raspberry Pi til å gjøre nettopp det.

Vi kommer til å bygge vårt eget hyper-lokale vær IoT-dashbord, som fanger været i og utenfor huset vårt over tid. Neste gang noen spør deg "hva med været i det siste?", Vil du kunne piske ut telefonen og la dem bli andpusten med din vanvittige analyse av ferdigheter z️.

Hva du trenger for å ta kurset: 1. Raspberry Pi m/ internettilkobling

2. Raspberry Pi SenseHAT

3. En 6 40-pinners IDE mann til hunn forlengelseskabel (valgfritt for temperaturnøyaktighet)

4. En første statskonto

5. Det er det!

Prosjektnivå: Nybegynner

Omtrentlig tid for å fullføre: 20 minutter

Omtrentlig morsom faktor: Av listene

I denne trinnvise opplæringen vil du: lære hvordan du bruker Weatherstack API-integrasjonen på Initial State for å få lokalt utenforvær i ditt område

- Lær hvordan du bruker en Raspberry Pi med en Sense HAT (https://www.raspberrypi.org/products/sense-hat/) for å fange værdata inne i huset ditt

- Bygg ditt eget personlige hyper-lokale vær-dashbord som du kan få tilgang til fra hvilken som helst nettleser på den bærbare eller mobile enheten

- Gi meteorologen et løp for pengene sine

Rekvisita

Hva du trenger for å ta kurset:

1. Raspberry Pi m/ internettilkobling

2. Raspberry Pi SenseHAT

3. En 6-tommers 40-pinners IDE mann til hunn forlengelseskabel (valgfritt for temperaturnøyaktighet)

4. En første statskonto

5. Det er det!

Trinn 1: Komme i gang

Vi har allerede lagt ned mye av beinarbeidet for at du skal sette koden sammen og organisere informasjonen. Vi trenger bare at du gjør noen justeringer underveis.

For å hente alt vi har forberedt for deg, må du klone depotet fra GitHub. Github er en fantastisk tjeneste som lar oss lagre, revidere og administrere prosjekter som dette. For å klone depotet er alt vi trenger å gjøre å gå inn på Pi -terminalen vår, eller datamaskinens terminal som er SSH'd inn i pi -en din og skrive denne kommandoen:

$ git-klone

Trykk enter og du vil se denne informasjonen:

pi@raspberrypi ~ $ git klon

Kloning til 'wunderground-sensehat' …

fjernkontroll: Teller objekter: 28, ferdig.

fjernkontroll: Totalt 28 (delta 0), gjenbrukt 0 (delta 0), pakke gjenbrukt 28

Pakking av gjenstander: 100% (28/28), ferdig.

Kontrollerer tilkobling… gjort.

Når du ser dette, så gratulerer, du har vellykket klonet Github Repo og har alle nødvendige filer for å bygge Super Weather Station. Før vi går videre til neste trinn, la oss ta litt tid å utforske rundt denne katalogen og lære noen grunnleggende kommandolinjekommandoer.

Skriv inn kommandoen nedenfor i terminalen din:

$ ls

Denne kommandoen viser alt som er tilgjengelig i katalogen du er i. Denne listen viser at vår Github Repo har blitt klonet inn i katalogen vår under navnet "wunderground-sensehat." La oss se på hva som er i den katalogen. For å endre kataloger, trenger du bare å skrive "cd" og deretter skrive inn navnet på katalogen du vil gå til.

I dette tilfellet skriver vi:

$ cd wunderground-sensehat

Når vi trykker enter, vil du se at vi nå er i wunderground-sensehat-katalogen. La oss skrive ls igjen for å se hvilke filer vi har installert på pi -en vår.

README.md sensehat.py sensehat_wunderground.py wunderground.py

Her ser vi at vi har readme -dokumentet vårt og et par forskjellige python -filer. La oss ta en titt på sensehat.py. I stedet for å hoppe inn i filen m/ cd -kommandoen som vi gjorde for kataloger, skal vi bruke nano -kommandoen. Nano -kommandoen lar oss åpne nano -tekstredigeringsprogrammet der vi har all vår python -kode for hvert segment av dette prosjektet. Fortsett og skriv:

$ nano sensehat.py

Her kan du se all koden vi har utarbeidet for deg for dette prosjektet. Vi kommer ikke til å gjøre noen endringer i dette dokumentet ennå, men bla gjerne rundt og se hva vi skal gjøre senere i denne opplæringen.

Trinn 2: Opprinnelig tilstand

Vi ønsker å streame alle værdataene våre til en skytjeneste og få den til å gjøre dataene våre til et fint dashbord som vi kan få tilgang til fra den bærbare eller mobile enheten. Våre data trenger en destinasjon. Vi vil bruke Initial State som den destinasjonen.

Trinn 1: Registrer deg for en første statskonto

Gå til https://www.initialstate.com/app#/register/ og opprett en ny konto.

Trinn 2: Installer ISStreamer

Installer Initial State Python -modulen på Raspberry Pi: Ved en ledetekst (ikke glem å SSH inn i Pi først), kjør følgende kommando:

$ cd/home/pi/

$ / curl -sSL https://get.initialstate.com/python -o -| sudo bash

Sikkerhetsmerknad: Kommandoen ovenfor har en viktig anatomi som brukeren bør være oppmerksom på.

1) Det er en foregående / før krøll. Dette er viktig for å sikre at ingen alias for krøll blir kjørt hvis en ble opprettet. Dette bidrar til å redusere risikoen for at kommandoen gjør mer enn beregnet.

2) Kommandoen er en kommando i rør, så når du kjører, sender du utdataene fra et skript som hentes fra https://get.initialstate.com/python til kommandoen sudo bash. Dette er gjort for å forenkle installasjonen, men det skal bemerkes at https her er viktig for å sikre ingen man-in-the-middle manipulering av installasjonsskriptet, spesielt siden manuset kjøres med forhøyede privilegier. Dette er en vanlig måte å forenkle installasjon og oppsett, men hvis du er litt mer forsiktig, er det noen litt mindre praktiske alternativer: du kan dele kommandoen i to trinn og undersøke bash -skriptet som lastes ned fra curl -kommandoen selv for å sikre det er troskap ELLER du kan følge pip -instruksjonene, du får bare ikke et automatisk generert eksempelskript.

Trinn 3: Lag litt Automagic

Etter trinn 2 vil du se noe som ligner på følgende utgang til skjermen:

pi@raspberrypi ~ $ / curl -sSL https://get.initialstate.com/python -o -| sudo bash

Passord: Start ISStreamer Python Enkel installasjon!

Dette kan ta et par minutter å installere, ta en kaffe:)

Men ikke glem å komme tilbake, jeg har spørsmål senere!

Fant easy_install: setuptools 1.1.6

Funnet pip: pip 1.5.6 fra /Library/Python/2.7/site-packages/pip-1.5.6- py2.7.egg (python 2.7)

pip hovedversjon: 1

pip minor versjon: 5

ISStreamer funnet, oppdaterer …

Kravet er allerede oppdatert: ISStreamer i /Library/Python/2.7/site-packages Rydder opp …

Vil du automatisk få et eksempelskript? [y/N]

(utgangen kan være annerledes og ta lengre tid hvis du aldri har installert Python Streaming -modulen Initial State før)

Når du blir bedt om å automatisk få et eksempelskript, skriver du y.

Dette vil opprette et testskript som vi kan kjøre for å sikre at vi kan streame data til Initial State fra Pi. Du vil bli bedt om:

Hvor vil du lagre eksemplet? [standard:./is_example.py]:

Du kan enten skrive en tilpasset lokal bane eller trykke enter for å godta standarden. Du vil bli bedt om brukernavn og passord du nettopp opprettet da du registrerte din opprinnelige statskonto. Skriv inn begge og installasjonen vil fullføres.

Trinn 4: Tilgangstaster

La oss se på eksempelskriptet som ble opprettet. Type:

$ nano er_eksempel.py

På linje 15 vil du se en linje som starter med streamer = Streamer (bucket_…. Disse linjene oppretter en ny databøtte med navnet "Python Stream -eksempel" og er knyttet til kontoen din. Denne tilknytningen skjer på grunn av access_key = "…" parameteren på den samme linjen. Den lange serien med bokstaver og tall er tilgangsnøkkelen til din opprinnelige statskonto. Hvis du går til din opprinnelige statskonto i nettleseren din, klikker du på brukernavnet ditt øverst til høyre, og går deretter til "min konto", finner du den samme tilgangsnøkkelen nederst på siden under "Streaming Access Keys".

Hver gang du oppretter en datastrøm, vil tilgangsnøkkelen lede datastrømmen til kontoen din (så ikke del nøkkelen med noen).

Trinn 5: Kjør eksemplet

Kjør testskriptet for å sikre at vi kan opprette en datastrøm til din opprinnelige statskonto.

Kjør følgende:

$ python er_eksempel.py

Trinn 6: Profitt

Gå tilbake til din opprinnelige statskonto i nettleseren din. En ny databøtte kalt "Python Stream -eksempel" burde ha dukket opp til venstre i logghyllen din (du må kanskje oppdatere siden). Klikk på denne bøtta og klikk deretter på Waves -ikonet for å se testdataene.

Du vil gå gjennom Waves -opplæringen for å gjøre deg kjent med hvordan du bruker dette datavisualiseringsverktøyet. Deretter kan du se dataene i fliser for å se de samme dataene i dashbordform.

Du er nå klar til å begynne å streame ekte data fra Wunderground og mer.

Trinn 3: Sense HAT

Sense HAT er et tilleggskort for Raspberry Pi som er fullt av sensorer, lysdioder og en liten joystick. Det som er så flott med dette lille tillegget, er at det er utrolig enkelt å installere og bruke takket være et fantastisk Python-bibliotek som du raskt kan installere. For dette prosjektet vil vi bruke temperatur-, fuktighets- og barometriske trykksensorer på Sense HAT. La oss sette det opp.

Det første trinnet i å bruke Sense HAT er å fysisk installere den på din Pi. Med Pi slått av, fest HAT som vist på bildet.

Slå på din Pi. Vi må installere Python -biblioteket for å gjøre det enkelt å lese sensorverdiene fra Sense HAT. Først må du sørge for at alt er oppdatert på din versjon av Raspbian ved å skrive:

$ sudo apt-get oppdatering

Deretter installerer du Sense HAT Python -biblioteket:

$ sudo apt-get install sense-hat

Start Pi på nytt

Vi er klare til å teste Sense HAT ved å lese sensordata fra den og sende dataene til Initial State.

La oss teste vår Sense HAT for å sikre at alt fungerer. Vi bruker skriptet som ligger på https://github.com/InitialState/wunderground-sensehat/blob/master/sensehat.py. Du kan kopiere dette skriptet til en fil på Pi eller få tilgang til det fra vårt Github -depot som vi klonet tidligere. Bytt til din wunderground-sensehat-katalog og deretter nano til din sensehat.py-fil ved å skrive:

$ nano sensehat.py

Legg merke til på første linje at vi importerer SenseHat -biblioteket til skriptet. Før du kjører dette skriptet, må vi konfigurere brukerparametrene våre.

# --------- Brukerinnstillinger --------- CITY = "Nashville"

BUCKET_NAME = ": delvis_sunny:" + CITY + "Vær"

BUCKET_KEY = "sensehat"

ACCESS_KEY = "Your_Access_Key"

SENSOR_LOCATION_NAME = "Kontor"

MINUTES_BETWEEN_SENSEHAT_READS = 0,1

# ---------------------------------

Nærmere bestemt må du angi ACCESS_KEY til tilgangsnøkkelen til din opprinnelige statskonto. Legg merke til hvor enkelt det er å lese data fra Sense HAT på en enkelt linje i Python (f.eks. Sense.get_temperature ()). Kjør skriptet ved en ledetekst på Pi:

$ sudo python sensehat.py

Gå til din opprinnelige statskonto og se den nye databakken som er opprettet av Sense HAT.

Nå er vi klare til å sette alt sammen og lage vårt hyper-lokale vær-dashbord!

Trinn 4: Hyper Local Weather Dashboard

Det siste trinnet i dette prosjektet er ganske enkelt å kombinere våre værdata og vårt Sense HAT -skript til et enkelt dashbord. For å gjøre dette, bruker vi Initial State Integration with Weatherstack for å legge til værdata i Sensehat -dashbordet vi opprettet i det siste trinnet.

Å bruke Weatherstack API er superenkelt. Tidligere på denne opplæringen hadde vi deg til å lage og kjøre et skript for å hente data fra en værdata -api, men siden begynnelsen av denne opplæringen har Initial State opprettet Data Integration Marketplace. Data Integration Marketplace gir deg muligheten til å få tilgang til og streame API -er til et Initial State -dashbord uten kode. Det er bokstavelig talt bare noen få museklikk og BAM: værdata. På middels har jeg skrevet en mer grundig opplæring om hvordan du bruker Weatherstack-integrasjonen og lager værvarsler, men jeg skal raskt liste opp hvordan du kommer i gang nedenfor.

Bruke Weatherstack Integration

1. Logg deg på din opprinnelige statskonto

2. Klikk på detaljknappen i Weatherstack -boksen på integrasjonssiden. Denne siden vil fortelle deg all grunnleggende informasjon om integrasjonen og hva som kreves for å bruke den. I dette tilfellet trenger du bare et postnummer (eller breddegrad og lengdegrad) for et sted du vil overvåke været for, og du må vite hvilke enheter du vil se dataene i (metrisk, vitenskapelig eller amerikansk keiserlig).

3. Klikk på Start Setup -knappen, og du vil se et modal dukke opp fra høyre side av skjermen. Det er bare noen få enkle trinn å ta før vi kan begynne å se at værdataene ruller inn:

4. Gi det nye dashbordet et navn. Jeg ga mitt navn til Nashville Weather. Pro -tips: Jeg liker å bruke emoji i navnene på dashbordene mine for å gi dem litt mer oomph. En rask måte å trekke opp emojier på en Mac er Ctrl+Command+mellomromstasten. For Windows holder du Windows -knappen og enten punktum (.) Eller semikolon (;). 2 5. Skriv inn posisjonen din. Jeg bruker postnummeret til området jeg vil spore, men du kan også angi breddegrad og lengdegrad for å være mer spesifikk. Det er lett å finne breddegrad og lengdegrad i området ditt bare ved å gå til google maps, søke etter et sted og deretter kopiere breddegrad og lengdegrad ut av nettleseren og lime det inn i skjemaet. Bare steder i USA, Storbritannia og Canada kan brukes på dette tidspunktet.

6. Velg enhetene dine. Jeg valgte US/Imperial fordi jeg bodde i USA.

7. Velg å opprette en ny bøtte eller sende Weatherstack -dataene dine til en eksisterende bøtte. I denne opplæringen, hvis du allerede har konfigurert Sense Hat for å streame til opprinnelig tilstand (i det siste trinnet), kan du bare sende Weatherstack -dataene til den bøtta.

8. Velg om du vil ha alle dataene som Weatherstack sender, eller om du vil at bare spesifikke værdata skal sendes til dashbordet. Du kan alltid sende alle dataene og ta ut noen fliser senere.

9. Velg hvor ofte du vil at dashbordet skal oppdateres med værforholdene. Du kan velge mellom hvert 15. minutt eller time for time. Husk at å sende data hvert 15. minutt koster et ekstra token sammenlignet med å sende det hver time. Så hvis du vil bruke andre integrasjoner på markedet samtidig, kan det være lurt å bare avstemme hver time. Du kan alltid slutte å sende data fra integrasjonen og starte den på nytt, eller endre frekvensen du sender data senere. Men hvis du stopper det og starter på nytt, vil det være hull i dataene dine.

10. Klikk på Start integrasjon. Nå strømmer du data fra Weatherstack! Klikk på "Vis i IoT -appen" -knappen for å se de første datapunktene rulle inn.

11. Tilpass dashbordet. Hvis du strømmer til en ny bøtte, har vi satt opp en mal for å komme i gang. Du bør imidlertid gjøre det til ditt eget! Trykk på nedoverpilen øverst i midten av dashbordet for å få ned tidslinjen, klikk på Rediger fliser, flytt noen fliser rundt, endre størrelsen på dem og endre bakgrunnen. Gjør dashbordet slik du vil ha det, slik at det er enkelt for deg å innta dataene du vil samle inn. Du kan også bruke andre Weatherstack -maler som vi har laget for deg her. For å legge til litt mer kontekst på oversikten din, kan du også legge til et kart som viser plasseringen der du overvåker været. Dashbordet ditt kan se litt blankt ut først, men gi det litt tid, og det vil fylle opp med vakre historiske værdata.

Trinn 5: Legg til et kart på oversikten din (bonus)

Vi kan enkelt legge til en kartflis på dashbordet vårt som viser plasseringen av værstrømmen. Du kan lære mer om den interaktive kartvisningen i fliser på https://support.initialstate.com/knowledgebase/articles/800232-tiles-map-view. Vi kan ganske enkelt legge til en ny streamer.log -setning i vårt Python -skript (og jeg skal forklare hvordan du kan gjøre det på slutten av denne delen). I stedet vil vi benytte anledningen til å vise deg en annen måte å sende data til dashbordet på.

Trinn 1: Få posisjonens breddegrad/lengdegradskoordinater

Du må få koordinater for breddegrad/lengdegrad for posisjonen din. En måte å gjøre dette på er å gå til Google Maps, søke etter posisjonen din og zoome inn på din nøyaktige posisjon. I URL -en vil du se koordinater for breddegrad/lengdegrad. I eksemplet ovenfor er koordinatene mine 35.925298, -86.8679478.

Kopier koordinatene dine (du trenger dem i trinn 2), og pass på at du ikke ved et uhell kopierer ekstra tegn fra URL -en.

Trinn 2: Bygg en URL for å sende data til dashbordet

Klikk på koblingen "innstillinger" under bøttenavnet i bøttehyllen. Dette vil vise skjermen ovenfor. Kopier teksten i API -endepunkt -delen og lim den inn i ditt favoritt tekstredigeringsprogram. Vi vil bruke dette til å bygge en URL som vi kan bruke til å sende data til vår eksisterende bøtte og dashbord. I min bøtte ser teksten som jeg kopierte ut: https://groker.initialstate.com/api/events?accessKey=bqHk4F0Jj4j4M4CrhJxEWv6ck3nfZ79o&bucketKey=shwu1 Nettadressen din vil ha din accessKey og bucketKey. Vi må legge til et strømnavn og verdi for URL -parameterne for å fullføre URL -en.

Legg til "& MapLocation = YOUR_COORDINATES_FROM_STEP1" i nettadressen din

(sett inn koordinatene fra trinn 1, ingen mellomrom og ikke kopier mine !!)

Slik ser min ut: https://groker.initialstate.com/api/events?accessKey=bqHk4F0Jj4j4M4CrhJxEWv6ck3nfZ79o&bucketKey=shwu1&MapLocation=35.925298, -86.8679478

Lim inn hele URL -adressen din i adressefeltet i nettleseren din og trykk enter (eller bruk 'curl' -kommandoen ved en ledetekst) for å sende kartkoordinatene til strømmen "MapLocation" i den nye bøtta.

Hvis du ser på dashbordet i fliser nå (du må kanskje oppdatere hvis du blir utålmodig), burde en ny flis med navnet MapLocation ha vist seg zoomet inn på din nåværende posisjon.

Trinn 2 Alternativ: Endre skriptet ditt

Hvis du virkelig ikke liker trinn 2 ovenfor, kan du ganske enkelt legge til en annen streamer.log -setning i Python -skriptet ditt. Bare legg til linjen

streamer.log ("MapLocation", "YOUR_COORDINATES_FROM_STEP1")

et sted inne i def main (): funksjonen til scriptet sensehat_wunderground.py (vær oppmerksom på innrykk b/c Python krever at du følger strenge innrykkingsregler). For eksempel la jeg til streamer.log ("MapLocation", "35.925298, -86.8679478") rett etter linje 138.

Trinn 6: Fiksering av Sense Hat -temperaturavlesning

Du vil kanskje legge merke til at Sense HATs temperaturavlesninger virker litt høye - det er fordi de er det. Den skyldige er varmen som genereres fra Pi’s CPU og varmer opp luften rundt Sense HAT når den sitter på toppen av Pi.

For å gjøre temperatursensoren nyttig, må vi enten fjerne hatten fra Pi (noe som ville eliminere den viktige fordelen med å være en kompakt løsning) eller prøve å kalibrere temperatursensoravlesningen. CPU -en er hovedårsaken til at parasittvarmen påvirker temperatursensoren vår, så vi må finne ut korrelasjonen. Ved gjennomgang av Enviro pHAT for Pi Zero fant vi en ligning for å redegjøre for CPU -temperaturen som påvirker hattens temperaturavlesning. Vi trenger bare CPU -temperaturen og en skaleringsfaktor for å beregne den kalibrerte temperaturen:

temp_calibrated = temp - ((cpu_temp - temp)/FACTOR)

Vi kan finne faktoren ved å registrere den faktiske temperaturen og løse den. For å finne den faktiske temperaturen i rommet, trenger vi et annet temperatursensoroppsett. Ved å bruke en DHT22 -sensor (oppsettsinstruksjoner her og script her) kan vi registrere og visualisere begge temperaturene samtidig:

Resultatet avslører at Sense HATs avlesning er av med 5-6 grader Fahrenheit ganske konsekvent. Når du legger til CPU -temperaturen i blandingen (med dette skriptet), viser det først at det er ekstremt varmt, og det andre avslører en slags bølge som Sense HAT -målingen etterligner.

Etter å ha spilt inn i omtrent 24 timer, løste jeg for faktoren ved å bruke seks forskjellige avlesninger på seks forskjellige tidspunkt. Gjennomsnittet av faktorverdiene ga en sluttfaktorverdi på 5.466. Bruk av ligningen

temp_calibrated = temp - ((cpu_temp - temp) /5.466)

den kalibrerte temperaturen kom innen en grad av den faktiske temperaturavlesningen:

Du kan kjøre denne kalibreringskorrigeringen på selve Pi, inne i wunderground_sensehat.py -skriptet.

Trinn 7: Bonus: Konfigurer dine egne værvarsler

La oss lage et SMS -varsel når temperaturen synker under frysepunktet.

Vi kommer til å følge konfigurasjonsprosessen for utløservarsler som er skissert på støttesiden.

Sørg for at værdatabøtta er lastet inn.

Klikk på bøtteinnstillingene i datahyllen (under navnet).

Klikk på fanen Utløsere.

Velg datastrømmen du vil utløse på (du kan bruke rullegardinlisten til å velge fra eksisterende strømmer når en databøtte er lastet inn, eller du kan skrive inn strømnavnet/nøkkelen manuelt; *merk Safari støtter ikke HTML5 nedtrekkslister). I skjermbildet mitt ovenfor, valgte jeg Temperatur (F).

Velg den betingede operatøren, i dette tilfellet '<'.

Velg utløserverdien som skal utløse en handling (skriv inn ønsket verdi manuelt). I dette tilfellet skriver du inn 32 som vist ovenfor.

Klikk på '+' - knappen for å legge til utløsertilstanden.

Velg handlingen (nåværende tilgjengelige handlinger varsles via SMS eller e -post).

Klikk på '+' - knappen for å legge til handlingen. Skriv inn en bekreftelseskode hvis du legger til et nytt telefonnummer eller en e -post for å fullføre oppsettet.

Utløseren din er nå live og avfyres når betingelsen er oppfylt. Klikk på ferdig for å gå tilbake til hovedskjermen.

PIR SMS

Når temperaturen faller under 32, får du en tekstmelding. Du angir varsler om alt i værdatabøtta (*merk at du må bruke emoji -tokens, ikke de faktiske emojiene).

For eksempel når det regner

: sky: Værforhold =: paraply:

Når det blåser

: dash: Vindhastighet (MPH)> 20

etc.

Trinn 8:

Andre pris i tingenes internettkonkurranse 2016