Deteksi Polusi Udara + Filtrasi Udara: 4 Langkah

2024 Pengarang: John Day | [email protected]. Terakhir diubah: 2024-01-30 09:55

Para siswa (Aristobulus Lam, Victor Sim, Nathan Rosenzweig dan Declan Loges) dari German Swiss International School bekerja dengan staf MakerBay untuk menghasilkan sistem pengukuran polusi udara dan efektivitas penyaringan udara yang terintegrasi. Sistem terintegrasi ini akan memungkinkan Anda untuk memantau kualitas udara yang disaring dan tidak disaring secara bersamaan. Data tersebut akan diubah menjadi rasio efektivitas dan dibuat grafiknya. Proyek ini direkomendasikan untuk 15+, meskipun usia yang lebih muda perlu memikirkan risiko sengatan listrik dan kesulitan pemrograman.

Mengapa Anda harus melakukan ini:

Yah, kami pikir meskipun ada banyak motivasi untuk menyediakan data untuk pemantauan polusi udara (yang dijelaskan secara rinci di situs web Smartcitizen, kami juga percaya bahwa mengetahui berapa banyak polusi udara di sekitar Anda tidak akan berdampak apa-apa bagi kesehatan Anda. Kami percaya bahwa kami perlu mengambil tindakan sendiri. Jadi, kami membuat sensor dan filter udara terintegrasi ini.

Perlengkapan

• Sepotong besar karton
• 2x penggemar PC
• Beberapa jenis filter udara
• 2 lampu LED
• 2x Smartcitizen Starter Kit (beli di sini)
• 2x Resistor
• 1 saklar listrik
• 1 komputer yang mampu menjalankan Jupyter Notebook, Matplotlib dan Python
• Ditambah dekorasi lain yang ingin Anda miliki!!!

Langkah 1: Pengaturan Sensor SCK

Pastikan Anda memiliki dua sensor SCK. Pilih yang pertama dan sambungkan ke baterai atau ke komputer Anda. Kemudian, buka situs penyiapan dan ikuti petunjuknya. Lakukan hal yang sama untuk sensor lainnya. Ketika Anda harus menamainya, beri nama A dan B masing-masing untuk sensor udara tanpa filter dan filter. Setelah ini, daftarkan keduanya ke akun yang sama dan pastikan Anda masuk ke akun untuk mendapatkan data.

Periksa apakah sensor berfungsi dengan membuka platform ini dan mencari nama sensor Anda. Pastikan bahwa itu terus memposting data setiap menit.

Langkah 2: Desain Kandang

Gunakan karton yang disebutkan di atas dan letakkan di depan Anda. Semua pengukuran akan sesuai dengan prototipe akhir kami. Ukur 12,5 cm di satu sisi dan potong karton. Kemudian, letakkan kipas di atas karton, dan mulailah menggunakan kipas untuk menggulung karton. Ketika Anda telah membuat persegi yang lengkap, maka tandai titik tersebut dengan spidol. Gunakan gunting untuk memotong. Ulangi ini untuk kipas lainnya.

Langkah 3: Kekuatan untuk Fans

Kami membuat sakelar yang menghidupkan dan mematikan pembersih udara. Untuk menjelaskan cara kerja sakelar, Anda dapat menggunakan diagram sebagai referensi. Mulai dari kiri diagram, kami memiliki konverter 220 volt AC ke DC yang mengurangi volt hingga 12 volt agar aman digunakan. Tanpa perangkat ini, listrik dari sumber listrik akan terlalu berbahaya untuk kita gunakan. Setelah voltase berkurang secara signifikan, kami memiliki 2 kabel yang terhubung ke 2 lampu LED dan sakelar. Anda harus menyolder kabel ke lampu LED sehingga semuanya terhubung satu sama lain. Setelah rangkaian selesai dan kedua lampu LED telah diuji, sambungkan kedua kabel, satu positif dan satu negatif, ke kipas. Setelah pengaturan selesai, masukkan steker ke soket. Setelah Anda melakukan ini, LED 'power on' akan menyala. Setelah Anda membalik sakelar, lampu LED 'kipas hidup' akan menyala dan kipas akan mulai berfungsi.

Langkah 4: Pengkodean

Direkomendasikan untuk 15+

Program ini dibuat oleh Victor Sim. Program ini akan memungkinkan data sensor warga pintar diekstraksi dari API pengembang situs web warga pintar dan untuk nilai efisiensi yang akan dihitung. Program yang saya gunakan akan ditulis dengan Python 3. Saya menulis kode pada Notebook Jupyter di Macbook air yang dilengkapi dengan Mac OS (versi 10.14.6).

Apa yang Anda perlukan untuk program ini: Matplotlib Numpy Pandas JSON CSV A python 3 IDE

Langkah 1: Impor pustaka yang diperlukan Anda memerlukan urllib.request untuk meminta akses ke API dan membuka URL API. Anda akan memerlukan csv untuk mengonversi file menjadi file csv yang dapat dimanipulasi dengan mudah. Anda akan memerlukan JSON untuk membaca JSON tempat api masuk. Anda akan memerlukan panda untuk menganalisis bingkai data dengan mudah. Matplotlib diperlukan agar data direpresentasikan dalam grafik intuitif.

Langkah 2: Minta akses ke Smart-citizen API: Kode ini meminta data dari API. Dari pengalaman, penting untuk menempatkan tajuk ke sumber permintaan untuk mendapatkan respons. Kedua URL yang Diminta diformat sebagai berikut: Mereferensikan API warga pintar, mendapatkan informasi untuk perangkat, memeriksa id perangkat tertentu, mereferensikan id sensor 87 (sensor PM 2.5) dan merekam data setiap menit. Kemudian meminta akses ke API.

Langkah 3: Buka dan Parsing data:

Baris-baris ini membaca data dan kemudian memasukkan data ke dalam "cetakan cantik". Hal ini membuat data mudah dibaca dan dengan demikian lebih mudah untuk memecahkan masalah.

Langkah 4: Ubah data menjadi file CSV: Dalam baris kode ini, perpustakaan pandas membaca data dan mengubahnya menjadi bentuk csv yang dapat dimanipulasi dengan mudah. File CSV kemudian disimpan di bawah variabel data_csv.

Langkah 5: Jadikan data CSV mudah dicerna: Kolom CSV sekarang dinamai 'abaikan' untuk baris indeks yang tidak perlu, 'waktu' untuk waktu perekaman direkam dan 'nilai' untuk konsentrasi PM 2.5 yang direkam. Semua garis miring dan nilai dihilangkan sehingga nilai dapat diplot pada grafik dengan mudah.

Langkah 6: Temukan rata-rata kolom nilai:

Garis-garis ini menemukan rata-rata kolom nilai dan kemudian menempatkan nilai dalam daftar untuk memplotnya dengan mudah.

Langkah 7: Membuat lebih banyak data untuk perbandingan: Ulangi kode dari langkah 1 hingga 6 untuk sensor B untuk dibandingkan

Langkah 8: Memplot data:

Garis memplot rata-rata kedua sensor dan menunjukkan perbedaannya

Langkah 9: Menemukan efisiensi:

Efisiensi dapat dihitung dengan mean awal dan mean selanjutnya dan kemudian dibagi dengan mean awal. Itu kemudian dapat dihitung sebagai persentase.

LENGKAP: Anda harus mendapatkan persentase dan Grafik sebagai output. Output Anda akan terlihat seperti gambar di bawah ini: