物联网实时监测：基于 IoT 传感器的数据采集与分析全流程实现

创作时间:

作者:

@小白创作中心

物联网实时监测：基于 IoT 传感器的数据采集与分析全流程实现

引用

CSDN

https://blog.csdn.net/mmc123125/article/details/143933096

在物联网（IoT）领域，实时监测和数据分析是实现智能化的核心技术。通过部署传感器网络，我们可以实时采集环境、设备或过程中的数据，并对这些数据进行分析，为决策提供支持。本文将带你完成一个基于 IoT 的实时监测项目，从传感器数据采集、传输到分析和展示的完整流程。

物联网实时监测的架构概述

物联网实时监测的核心在于数据采集-传输-处理-展示的闭环。以下是一个典型的架构：

前端采集层：传感器负责采集物理数据（如温湿度、PM2.5 等）。
网络传输层：通过 MQTT 或 HTTP 协议将数据传输至云端或边缘计算节点。
数据处理层：服务端对数据进行存储、处理和分析。
展示与控制层：通过 Web 或移动应用展示数据，提供控制接口。

传感器数据采集模块实现

硬件选型

以 DHT11（温湿度传感器）为例：

特点：支持温湿度测量，精度适中，适合入门项目。
连接方式：通过 GPIO 接口与单片机或开发板连接。

采集程序实现

采用 Raspberry Pi 和 Python 实现 DHT11 数据采集：

import Adafruit_DHT

# 配置传感器类型和 GPIO 引脚
sensor = Adafruit_DHT.DHT11
pin = 4  # GPIO4

def read_sensor_data():
    humidity, temperature = Adafruit_DHT.read_retry(sensor, pin)
    if humidity is not None and temperature is not None:
        return {"temperature": temperature, "humidity": humidity}
    else:
        raise Exception("Failed to read data from sensor.")

# 测试采集
if __name__ == "__main__":
    try:
        data = read_sensor_data()
        print(f"Temperature: {data['temperature']}°C, Humidity: {data['humidity']}%")
    except Exception as e:
        print(e)

数据传输与边缘计算优化

使用 MQTT 协议

MQTT 是轻量级的发布/订阅协议，适合低带宽场景。以下是数据发送的示例：

import paho.mqtt.client as mqtt
import json

broker = "mqtt.example.com"
port = 1883
topic = "iot/sensor/data"
client = mqtt.Client()

def publish_data(data):
    client.connect(broker, port)
    client.publish(topic, json.dumps(data))
    client.disconnect()

if __name__ == "__main__":
    sample_data = {"temperature": 23.5, "humidity": 60.2}
    publish_data(sample_data)

边缘计算

在传输前对数据进行预处理（如过滤、聚合），减少带宽压力。

def filter_invalid_data(data):
    if data["temperature"] < -10 or data["temperature"] > 50:
        return None
    if data["humidity"] < 0 or data["humidity"] > 100:
        return None
    return data

# 示例
raw_data = {"temperature": 25, "humidity": 110}
processed_data = filter_invalid_data(raw_data)
if processed_data:
    publish_data(processed_data)

后端数据存储与处理的设计

数据库设计

使用 MongoDB 存储传感器数据：

{
    "sensor_id": "sensor_01",
    "timestamp": "2024-11-21T10:30:00Z",
    "temperature": 22.5,
    "humidity": 55.2
}

数据处理 API

基于 Flask 提供查询接口：

from flask import Flask, request, jsonify
from pymongo import MongoClient

app = Flask(__name__)
client = MongoClient("mongodb://localhost:27017/")
db = client.iot_database

@app.route("/data", methods=["GET"])
def get_data():
    sensor_id = request.args.get("sensor_id")
    data = list(db.sensor_data.find({"sensor_id": sensor_id}))
    return jsonify(data)

if __name__ == "__main__":
    app.run(debug=True)

实时监测可视化的实现

使用 Chart.js 构建前端页面，实时展示传感器数据：

<!DOCTYPE html>
<html>
<head>
    <script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
</head>
<body>
    <canvas id="sensorChart" width="400" height="200"></canvas>
    <script>
        const ctx = document.getElementById('sensorChart').getContext('2d');
        const sensorChart = new Chart(ctx, {
            type: 'line',
            data: {
                labels: [], // 时间戳
                datasets: [
                    {
                        label: 'Temperature (°C)',
                        data: [],
                        borderColor: 'rgba(255, 99, 132, 1)',
                        fill: false
                    },
                    {
                        label: 'Humidity (%)',
                        data: [],
                        borderColor: 'rgba(54, 162, 235, 1)',
                        fill: false
                    }
                ]
            }
        });

        // 模拟数据更新
        setInterval(() => {
            fetch('/data?sensor_id=sensor_01')
                .then(response => response.json())
                .then(data => {
                    const timestamps = data.map(entry => entry.timestamp);
                    const temps = data.map(entry => entry.temperature);
                    const humids = data.map(entry => entry.humidity);
                    sensorChart.data.labels = timestamps;
                    sensorChart.data.datasets[0].data = temps;
                    sensorChart.data.datasets[1].data = humids;
                    sensorChart.update();
                });
        }, 5000);
    </script>
</body>
</html>