使用物联网构建植物监测工具：一个适合初学者的教程
作者：Zoe Steinkamp / 应用案例
2023年6月2日
导航到
本文最初发布在The New Stack，并在此处获得授权转载。
创建一个物联网（IoT）应用程序来监控家庭植物是一个务实的起点，用于了解随时间变化的数据。这对于任何喜欢室内园艺但经常忘记定期检查植物的人来说很有用。
这个项目适合所有人，从正在科学展览会上工作的学生到监测珍奇植物苗圃的植物学家。监测家庭植物有许多方法，但这是高科技的方法——使用传感器和先进的软件系统。
对于这个项目，我们将使用InfluxDB，这是一个专门用于存储随时间出现的顺序数据的时间序列平台。在比较数据、为特定阈值创建警报以及监控物理和虚拟世界中的事件时，这非常有用。
完整的物料清单、面包板（带所选微控制器）的原理图以及源代码，都可以在我的Git仓库中找到。如果您想自己学习或者迫切需要让家中的植物存活，可以查看这些资料。
架构
一个物联网传感器以定时间隔跟踪植物的健康指标。我们将其收集的数据分类为时间序列数据，因为它包含时间戳，该时间戳在存储中显示为第一列。物联网传感器生成关于植物健康的数据。然后我使用开源收集代理Telegraf和Python的客户端库来收集这些数据并将它们发送到存储层，InfluxDB。Plotly图形库提供数据可视化。我用Python编写了此项目，并使用Flask库进行路由。
入门指南
仪器
- 要监控的植物
- 一个Particle Boron或类似微控制器
- 至少一个用于您植物的物联网传感器
- 面包板
- 跳线
我使用四个传感器生成以下五个数据点
- 空气温度
- 湿度
- 光照
- 土壤温度
- 土壤湿度
微控制器
我使用Boron微控制器，并通过公司网站设置设备。要接收微控制器本身的数据，我通过USB线将其连接到我的笔记本电脑。微控制器的设置取决于您选择的微控制器。您的微控制器可能提供其他连接选项，包括蓝牙或通过TCP/IP的小型服务器访问。
遵循您微控制器制造商提供的说明，直到您从传感器接收到输入。您目前不需要理解这些数据；只需确保您的微控制器正在发送原始数据。
InfluxDB
登录InfluxDB。创建一个桶，这是InfluxDB存储数据的地方。我们将通过API连接到InfluxDB。下一步是[创建所需的凭据和令牌](https://docs.influxdb.org.cn/influxdb/v2.7/security/tokens/。
代码
将数据写入InfluxDB非常简单，从客户端库开始。我为此项目使用了InfluxDB的Python客户端库。下面的代码是一个示例，说明如何编写代码将微控制器传感器的原始数据发送到InfluxDB。
def write_to_influx(self,data):
p = (influxdb_client.Point("sensor_data")
.tag("user",data["user"])
.tag("device_id",data["device"])
.field(data["sensor_name"], int(data["value"])
))
self.write_api.write(bucket=self.cloud_bucket, org=self.cloud_org, record=p)
print(p, flush=True)标签
度量是InfluxDB中与关系数据库中的表相对应的内容。我的代码很好地使用了标签。标签不是必需的，但很有用，因为它们是元数据，使得数据更容易理解和处理。在这种情况下，它们可以指定不同的植物、设备或其他内容，具体取决于您想多么复杂。
查询数据
查询返回类似下面的表。
在我可以查询我的数据之前，我需要初始化Flight SQL客户端。
from flightsql import FlightSQLClient然后是
# This is our flight client setup, it’s how we will query from IOX
# we need to remove the Https:// from our host
host = host.split("://")[1]
self.flight_client = FlightSQLClient(host=host,
token=token,
metadata= {'bucket-name': bucket}
)
self.cloud_bucket = bucket
self.cloud_org = org下面是一个基本的SQL查询，用于从InfluxDB检索数据。
SELECT {sensor_name}, time FROM sensor_data WHERE time > (NOW() - INTERVAL '2 HOURS') AND device_id='{deviceID}'在我们可以检索和读取数据之前，我们必须将其转换为Pyarrow格式。下面的代码是一个包含查询和连接到Flight SQL以检索数据的函数。
def querydata(self, sensor_name, deviceID) -> DataFrame:
query = self.flight_client.execute(f"SELECT {sensor_name}, time FROM sensor_data WHERE time > (NOW() - INTERVAL '2 HOURS') AND device_id='{deviceID}'")
# Create reader to consume result
reader = self.flight_client.do_get(query.endpoints[0].ticket)
# Read all data into a pyarrow.Table
Table = reader.read_all()
print(Table)
# Convert to Pandas DataFrame
df = Table.to_pandas()
df = df.sort_values(by="time")
print(df)
return df您可以通过调用前面的查询并替换您的选择（包括桶、传感器和设备）来调用此查询。返回的结果允许您绘制传入的数据。return df方法以数据框格式提取我们的数据。
数据框
Pandas数据框是二维数据结构，可以快速进行数据处理和分析。我们将数据转换为数据框，以便在Python中更容易处理。如果您喜欢其他样式，还有其他几种数据输出选项可供选择。
@app.callback(Output("store", "data"), [Input("button", "n_clicks")])
def generate_graphs(n):
# Generate graphs based upon pandas data frame.
df = influx.querydata( "soil_temperature", graph_default["deviceID"] )
soil_temp_graph = px.line(df, x="time", y="soil_temperature", title="Soil Temperature")
df = influx.querydata( "air_temperature", graph_default["deviceID"] )
air_temp_graph= px.line(df, x="time", y="air_temperature", title="Air Temperature")
df = influx.querydata( "humidity", graph_default["deviceID"] )
humidity_graph= px.line(df, x="time", y="humidity", title="humidity")
df = influx.querydata( "soil_moisture", graph_default["deviceID"] )
soil_moisture= px.line(df, x="time", y="soil_moisture", title="Soil Moisture")
df = influx.querydata( "light", graph_default["deviceID"] )
light_graph= px.line(df, x="time", y="light", title="light")绘图库期望您返回一个数据框以进行可视化。这是查询数据点的最终结果。下面的图像是硬编码的图形，用于说明数据点。不同的标签页显示不同的图形和跟踪不同的指标。这只是项目能力的一小部分。
结论
请查看我围绕Plant Buddy进行的演讲，以深入了解该项目以及整个InfluxDB生态系统。我们的社区页面有其他令人兴奋的项目示例。现在开始使用InfluxDB并构建一些酷的东西吧！
