Prediksi Suhu Ruangan Melalui Sensor LM35 dan Pembelajaran Mesin: 4 Langkah

2025 Pengarang: John Day | [email protected]. Terakhir diubah: 2025-01-23 14:49

pengantar

Hari ini kami fokus membangun proyek pembelajaran mesin yang memprediksi suhu melalui regresi polinomial.

Pembelajaran mesin adalah aplikasi kecerdasan buatan (AI) yang memberikan sistem kemampuan untuk belajar dan meningkatkan secara otomatis dari pengalaman tanpa diprogram secara eksplisit. Pembelajaran mesin berfokus pada pengembangan program komputer yang dapat mengakses data dan menggunakannya untuk belajar sendiri.

Regresi Polinomial:-regresi polinomial adalah suatu bentuk analisis regresi di mana hubungan antara variabel bebas x dan variabel terikat y dimodelkan sebagai polinomial derajat ke-n di x.

Prediksi: -Pembelajaran mesin adalah cara mengidentifikasi pola dalam data dan menggunakannya untuk membuat prediksi atau keputusan secara otomatis. … Untuk regresi, Anda akan belajar bagaimana mengukur korelasi antara dua variabel dan menghitung garis yang paling cocok untuk membuat prediksi ketika hubungan yang mendasarinya linier.

2. Hal-hal yang digunakan dalam proyek ini

Komponen perangkat keras

1. Kabel Jumper Wanita / Wanita × (Sesuai kebutuhan)
2. Papan tempat memotong roti (generik)×1
3. Sensor LM35×1
4. Modul WiFi Baut IoT Baut × 1

Aplikasi perangkat lunak dan layanan online

1. Baut IoT Baut CloudBolt
2. Aplikasi Android IoT

Langkah 1: Menghubungkan Sensor LM35 ke Baut

Langkah 1: Pegang sensor sedemikian rupa sehingga Anda dapat membaca tulisan LM35 di atasnya.

Langkah 2: Pada posisi ini, identifikasi pin sensor sebagai VCC, Output dan Gnd dari kiri ke kanan.

Pada gambar Hardware, VCC terhubung ke kabel merah, Output terhubung ke kabel oranye dan Gnd terhubung ke kabel coklat.

Langkah 3: Menggunakan kabel male to female sambungkan 3 pin LM35 ke Bolt Wifi Module sebagai berikut:

• Pin VCC dari LM35 terhubung ke 5v dari modul Bolt Wifi.
• Pin output LM35 terhubung ke A0 (pin input Analog) dari modul Bolt Wifi.
• Pin Gnd dari LM35 terhubung ke Gnd.

Langkah 2: Memprediksi Suhu

Langkah 1: Buat koneksi yang sama seperti layar 'Koneksi perangkat keras untuk monitor suhu', dalam topik 'Interfacing sensor over VPS' pada modul 'Cloud, API, dan Peringatan'.

Langkah 2: Nyalakan sirkuit dan biarkan terhubung ke Bolt Cloud. (LED Hijau Baut harus menyala)

Langkah 3: Buka cloud.boltiot.com dan buat produk baru. Saat membuat produk, pilih jenis produk sebagai Perangkat Output dan jenis antarmuka sebagai GPIO. Setelah membuat produk, pilih produk yang baru dibuat lalu klik ikon konfigurasi.

Langkah 4: Di tab perangkat keras, pilih tombol radio di sebelah pin A0. Beri nama 'temp' pada pin dan simpan konfigurasi menggunakan ikon 'Simpan'.

Langkah 5: Pindah ke tab kode, beri kode produk nama 'prediksi', dan pilih jenis kode sebagai js.

Langkah 6: Tulis kode berikut untuk memplot data suhu dan menjalankan algoritma regresi polinomial pada data, dan menyimpan konfigurasi produk.

setChartLibrary('google-chart');

setChartTitle('Regresi Polinomial');

setChartType('predictionGraph');

setAxisName('time_stamp', 'temp');

mul(0.0977);

plotChart('time_stamp', 'temp');

Langkah 7: Di tab produk, pilih produk yang dibuat lalu klik ikon tautan. Pilih perangkat Bolt Anda di popup dan kemudian klik tombol 'Selesai'.

Langkah 8: Klik tombol 'deploy configuration' dan kemudian ikon 'view this device' untuk melihat halaman yang telah Anda rancang. Di bawah ini adalah tangkapan layar dari hasil akhir.

Langkah 9: Tunggu sekitar 2 jam hingga perangkat mengunggah titik data yang cukup ke Cloud. Anda kemudian dapat mengklik tombol prediksi untuk melihat grafik prediksi berdasarkan algoritma regresi polinomial.