代码收藏家 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
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
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。本篇文章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。
目录
- 物联网实时监测的架构概述
- 传感器数据采集模块实现
- 数据传输与边缘计算优化
- 后端数据存储与处理的设计
- 实时监测可视化的实现
- 项目示例：温湿度监测系统全流程代码实现
- 总结与扩展：应用场景与未来趋势
1. 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：
2. 传感器数据采集模块实现
2.1 硬件选型
以 DHT11（温湿度传感器）为例：
2.2 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)
3. 数据传输与边缘计算优化
3.1 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)
3.2 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)
4. 后端数据存储与处理的设计
4.1 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
}
4.2 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)
5. 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>
6. 项目示例：温湿度监测系统全流程代码实现
将采集、传输、存储、处理和展示串联起来，形成一个完整的系统架构：
- 传感器采集：DHT11 + Python GPIO 实现。
- 数据传输：MQTT 协议优化传输效率。
- 后端存储与 API：MongoDB + Flask 提供持久化与查询。
- 前端展示：使用 Chart.js 实现实时监测页面。
7. 总结与扩展：应用场景与未来趋势
通过本文，你可以掌握 IoT 传感器实时监测的完整实现流程，这种架构不仅适用于温湿度监测，还可以扩展到工业设备监测、智能家居等多个场景。
如果你觉得本文对你有帮助，请点赞、收藏，并分享给更多需要的人！
作者：全栈探索者chen
