De waarde van sensor data, deel 2

Andere delen uit deze serie:

• De waarde van sensor data, deel 1
• De waarde van sensor data, deel 3
• De waarde van sensor data, deel 4
• De waarde van sensor data, deel 5

In deel 2 gaan we de sensoren koppelen met een Raspberry Pi én plaatsen we een ook ander type sensor namelijk de Dylos DC1700. De Dylos gaat als een referentiesysteem functioneren.

De Raspberry Pi wordt ingezet om de data van de sensoren te ontsluiten via een aansluiting op het internet. In eerste instantie wordt de data lokaal op de SD-kaart opgeslagen.

De componenten in kaart gebracht

Hieronder de schematische weergave van de componenten binnen de keten van sensor tot en met visualisatie. Zoals gesteld komt de onderkant van het plaatje (de cloud en visualisaties etc.) later aan de orde.

Dylos als referentie

Om de meetwaarden van de vier Shinyei sensoren in een bepaalde context te kunnen plaatsen hebben we een referentiesysteem nodig. Door de resultaten te vergelijken met het referentiesysteem kunnen we beter inschatten wat de resultaten betekenen en welke waarde we aan de metingen kunnen geven. Een Dylos DC1700 is het referentiesysteem.

De Dylos wordt vaker gebruikt bij het vergelijken van sensoren zoals hier. Het plaatje hieronder laat als voorbeeld een vergelijking zien van de Dylos met een BAM. Best wel OK kan je hieruit concluderen, prima als referentie voor ons experiment.

Hoe werkt de Dylos

De Dylos werkt met een laser waarvan de lichtbundel wordt verstrooid als er fijnstofdeeltjes passeren. Het verstrooide licht wordt opgevangen door een detector. Een groot deeltje zal voor meer verstrooiing zorgen dan een klein deeltje.

De Dylos rekent de waarde die de detector afgeeft om naar een aantal deeltjes per 0,01 ‘cubic foot’. Er worden twee soorten fijnstofdeeltjes onderscheiden met deeltjesgrootte >0.5 en >2.5 microns, kleine deeltjes (bacteriën, schimmels, etc.) en grote deeltjes (pollen, etc.).

De Dylos documentatie geeft aan: “Voor een indicatie van de fijnstofconcentratie (PM2.5), d.w.z. deeltjes kleiner dan 2,5µm, moet je het rechtergetal (grofstof) aftrekken van het linkergetal. De PM10-waarde bestaat voor 70 procent uit PM2,5 en met een factor van 1,43 kan vanuit PM2,5 een indicatie van de PM10 worden berekend.”

De groene pijlen in de schematische weergave laten de luchtstroom zien die de fijnstofdeeltjes door de laserstraal (rode lijn) laten gaan. De luchtstroom wordt veroorzaakt door een ingebouwde ventilator. De detector is het kleine vierkantje links van het midden en onder de laserstraal, midden in de luchtstroom. Meer informatie over de binnenkant van de Dylos is hier te vinden. Informatie over de Dylos is hier te vinden.

Raspberry Pi als centrale verwerkingseenheid

De Raspberry Pi leest de meetgegevens van de sensoren, verwerkt deze, zorgt voor (tijdelijke) opslag én zal er voor zorgen dat de data in de cloud terecht komt.

Op de foto is links de Raspberry Pi te zien met aangesloten voeding (micro USB), netwerkkabel en twee keer een usb, een voor de Dylos en een voor de Arduino.

Raspberry Pi en NodeJs

Per aangesloten sensor aansluiting (de Arduino telt hier voor één sensor aansluiting) draait een verwerkingsproces op de Raspberry Pi. NodeJs scripts worden hiervoor ingezet. 

Hiernaast een log van het opstarten van het Nodejs script dat de Dylos uitleest. Onderin komen de berichten met de meetgegevens een voor een in beeld (1x per minuut).

De meetdata die hier in beeld komen worden ook opgeslagen in een csv bestand. Later zal vanuit het NodeJs script een REST-service worden aangeroepen om de meetwaarden direct de cloud in te sturen.

Wat hebben we tot nu toe bereikt

U zult begrijpen dat dit vooral verkennende en voorbereidende activiteiten zijn. Maar stuk voor stuk bouwen we aan de puzzelstukjes die straks een mooi geheel gaan vormen.

We hebben nu:

• 4 Shinyei sensoren via Arduino aangesloten op Raspberry Pi
• 1 Dylos sensor aangesloten op Raspberry Pi
• Arduino software om de 4 sensoren uit te lezen
• Nodejs script om de Arduino uit te lezen
• Nodejs script om de Dylos uit te lezen

Vervolgstappen:

• Nodejs scripts uitbreiden met een REST web-service aanroep
• optie: naast REST-api ook een websocket inbouwen voor uitwisseling data met de cloud

Wordt vervolgd.

Andere delen uit deze serie:

• De waarde van sensor data, deel 1
• De waarde van sensor data, deel 3
• De waarde van sensor data, deel 4
• De waarde van sensor data, deel 5

André van der Wiel
Scapeler

Partner van AiREAS (aireas.wordpress.com)