描述

介紹-

使用的語言——Python（機器學習）

信息 – 當溫度不在規(guī)定范圍內(nèi)時，使用 Mailgun 服務(wù)發(fā)送電子郵件。使用 Twilio 服務(wù)打開冰箱時發(fā)送短信（使用 Z 分數(shù)分析，即檢測到溫度圖中的異常時。）

腳步 ：

1) 將 LM35 連接到螺栓模塊

· 握住傳感器，以便您可以讀取上面寫的 LM35。

· 在這個位置，從左到右識別傳感器的引腳為 VCC、Output 和 Gnd。

· LM35 的 VCC 引腳連接到 Bolt Wifi 模塊的 5v。

· LM35 的輸出引腳連接到Bolt Wifi 模塊的A0（模擬輸入引腳）。

· LM35 的Gnd 引腳連接到Gnd。

?

2) 在 Bolt 云上創(chuàng)建一個產(chǎn)品以獲得上、下

冰箱的溫度限制

?

3) 為產(chǎn)品編寫代碼

?

?

?

?

保存代碼并單擊退出。

稍后將產(chǎn)品鏈接到螺栓模塊并部署配置。

4）讓模塊靜置2小時左右，看看輸出。

?

?

5）分析輸出并確定最大和最小限制

如您所見，突然的變化是模塊保存在冰箱中時。

?

從圖中可以清楚地看出：

minimum_limit = 75（就傳感器值而言）

maximum_limit = 35（就傳感器值而言）

6）在終端或任何其他虛擬系統(tǒng)上編寫python代碼

注意：在此步驟之前，您需要一個 mailgun 帳戶。萬一你沒有人參考你的螺栓物聯(lián)網(wǎng)培訓。

通過輸入您的數(shù)字海洋水滴的 IP 地址登錄服務(wù)器。如果您還沒有使用過 Digital Ocean Droplet，您可以通過 VirtualBox 或 VMWare 直接登錄您的虛擬機。

成功登錄后，創(chuàng)建一個名為 email_conf.py 的文件，該文件將存儲與 Mailgun 相關(guān)的所有憑據(jù)。在終端中創(chuàng)建一個新的文件類型 sudo nano email_conf.py。之后寫下面的代碼

將所有憑據(jù)保存在一個文件中。

?

并保存文件。

b)

注意：在此步驟之前您需要一個 twilio 帳戶。萬一你沒有人參考你的螺栓物聯(lián)網(wǎng)培訓。

通過輸入您的數(shù)字海洋水滴的 IP 地址登錄膩子。

成功登錄后，創(chuàng)建一個名為 sms_conf.py 的文件，該文件將存儲與 Twilio 相關(guān)的所有憑據(jù)。在終端中創(chuàng)建一個新的文件類型 sudo nano sms_conf.py。之后編寫下面的代碼以將所有憑據(jù)保存在一個文件中。

?

并保存文件。

C）

現(xiàn)在使用以下命令再創(chuàng)建一個名為 anomaly_detction.py 的文件

算法：

1) 從 Bolt 設(shè)備中獲取最新的傳感器值。

2) 將傳感器值存儲在列表中，用于計算 z-score。

3) 計算正常和異常讀數(shù)的 z 分數(shù)和閾值上限和下限。

4) 檢查傳感器讀數(shù)是否在正常讀數(shù)范圍內(nèi)。即溫度沒有突然升高

5) 如果不在范圍內(nèi)，發(fā)送郵件。

6）檢查傳感器值是否在我們的最小值和最大值指定的范圍內(nèi)。

7) 如果不在范圍內(nèi)，發(fā)送短信。

8) 等待 10 秒。

9) 從步驟 1 開始重復(fù)