当前位置: 首页 > news >正文

基于物联网的水质监测系统设计与实现:React前端、Node.js后端与TCP/IP协议的云平台集成(代码示例)

一、项目概述

随着环境保护意识的增强,水质监测在水资源管理和污染防治中变得尤为重要。本项目旨在设计一个基于物联网的水质监测系统,能够实时监测水中的pH值、溶解氧、电导率和浊度等参数,并将数据传输至云端,以便进行分析和可视化。该系统采用低功耗设计,适合在各种环境中长期稳定工作,具有良好的扩展性和用户友好的界面。

二、系统架构

为了满足项目的需求,系统架构选择如下组件和技术:

  • 微控制器:采用 ESP32,具备Wi-Fi和蓝牙功能,支持多任务处理。

  • 传感器:包括pH传感器、溶解氧传感器、电导率传感器和浊度传感器,能够全面监测水质。

  • 通信技术:使用 Wi-Fi 进行数据传输到云端。

  • 数据管理与云服务:选择 AWS IoT 作为云平台,使用 DynamoDB 存储数据。

  • 前端技术:开发 React 前端应用,提供实时监控和数据可视化功能。

  • 后端技术:使用 Node.js 搭建RESTful API,以便与前端和云服务交互。

系统架构图

数据采集
Wi-Fi
数据存储
数据分析
数据可视化
控制指令
传感器
ESP32微控制器
AWS IoT
DynamoDB
数据分析与机器学习
React前端
移动应用

三、环境搭建

根据系统架构的技术栈,环境搭建的步骤如下:

  1. ESP32开发环境:
  • 安装 Arduino IDE。

  • 在Arduino IDE中添加ESP32开发板支持,依次选择 文件 -> 首选项,在“附加开发板管理器网址”中添加以下链接:

    https://dl.espressif.com/dl/package\_esp32\_index.json
    
  • 进入 工具 -> 开发板 -> 开发板管理器,搜索并安装 ESP32。

  1. AWS IoT 环境:
  • 注册AWS账号,并登录AWS管理控制台。

  • 创建一个 IoT设备,并下载设备证书和密钥。

  • 配置AWS IoT策略,允许设备发布和订阅消息。

  1. Node.js环境:
  • 在本地机器上安装 Node.js。

  • 使用npm初始化项目:

    mkdir water_quality_monitoring
    cd water_quality_monitoring
    npm init -y    
    
  • 安装所需依赖:

    npm install express aws-sdk body-parser cors
    
  1. 前端环境:
  • 使用 create-react-app 创建React项目:

    npx create-react-app water-quality-frontend
    cd water-quality-frontend
    

四、代码实现

在这一部分,我们将实现水质监测系统的代码,涵盖ESP32微控制器的数据采集和传输、Node.js后端API的实现以及React前端应用的基本结构。

1. ESP32微控制器代码

代码示例

以下是ESP32的代码示例,用于读取传感器数据并将其发送到AWS IoT。代码中包含读取pH传感器、溶解氧传感器、电导率传感器和浊度传感器的逻辑。

#include <WiFi.h>
#include <AWS_IOT.h>
#include <DHT.h>// Wi-Fi配置
const char* ssid = "your_SSID";  // Wi-Fi名称
const char* password = "your_PASSWORD";  // Wi-Fi密码// AWS IoT配置
const char* host = "your_aws_iot_endpoint";  // AWS IoT端点
const char* thingName = "your_thing_name";  // IoT设备名称
const char* privateKey = "-----BEGIN PRIVATE KEY-----\n...\n-----END PRIVATE KEY-----\n";  // 私钥
const char* certificate = "-----BEGIN CERTIFICATE-----\n...\n-----END CERTIFICATE-----\n";  // 证书AWS_IOT awsIot;// 假设传感器连接在模拟引脚
const int pHSensorPin = 34;  // pH传感器引脚
const int doSensorPin = 35;  // 溶解氧传感器引脚
const int ecSensorPin = 32;   // 电导率传感器引脚
const int turbiditySensorPin = 33;  // 浊度传感器引脚void setup() {Serial.begin(115200);WiFi.begin(ssid, password);// 连接到Wi-Fiwhile (WiFi.status() != WL_CONNECTED) {delay(1000);Serial.println("Connecting to WiFi...");}Serial.println("Connected to WiFi");// 连接到AWS IoTawsIot.begin(host, thingName, privateKey, certificate);
}void loop() {// 读取传感器数据float pH = readPHSensor();float doValue = readDOSensor();float ecValue = readECSensor();float turbidity = readTurbiditySensor();// 打印到串口Serial.printf("pH: %.2f, DO: %.2f mg/L, EC: %.2f µS/cm, Turbidity: %.2f NTU\n", pH, doValue, ecValue, turbidity);// 创建JSON字符串String payload = String("{\"pH\":") + pH + ",\"DO\":" + doValue + ",\"EC\":" + ecValue + ",\"Turbidity\":" + turbidity + "}";// 发布到AWS IoTawsIot.publish("water_quality_data", payload.c_str());delay(60000);  // 每60秒发送一次数据
}// 读取pH传感器的函数
float readPHSensor() {// 模拟读取传感器值,实际应用中应替换为真实读取逻辑return analogRead(pHSensorPin) * (5.0 / 1023.0); // 示例转换
}// 读取溶解氧传感器的函数
float readDOSensor() {// 模拟读取传感器值return analogRead(doSensorPin) * (5.0 / 1023.0); // 示例转换
}// 读取电导率传感器的函数
float readECSensor() {// 模拟读取传感器值return analogRead(ecSensorPin) * (5.0 / 1023.0); // 示例转换
}// 读取浊度传感器的函数
float readTurbiditySensor() {// 模拟读取传感器值return analogRead(turbiditySensorPin) * (5.0 / 1023.0); // 示例转换
}
代码说明
  1. Wi-Fi连接:
  • 使用WiFi.begin(ssid, password)连接到指定的Wi-Fi网络,使用循环检查连接状态。
  1. AWS IoT连接:
  • 使用awsIot.begin(...)初始化与AWS IoT的连接,传入设备的端点、名称、私钥和证书。
  1. 数据采集:
  • loop() 函数中,调用 readPHSensor()readDOSensor()readECSensor()readTurbiditySensor() 函数以读取各个传感器的值。这些函数将模拟读取的传感器值转换为相应的实际数值,示例中使用了一个简单的线性转换公式(实际应用中应根据传感器特性进行相应调整)。
  1. 数据格式化:
  • 使用 String payload 创建一个 JSON 字符串,包含 pH、溶解氧 (DO)、电导率 (EC) 和浊度 (Turbidity) 的数据。这个 JSON 字符串将被发送到 AWS IoT。
  1. 数据发布:
  • 使用 awsIot.publish("water_quality_data", payload.c_str()) 将格式化后的数据发布到指定的主题 "water_quality_data"。此主题可以在 AWS IoT 控制台中用于监控和分析数据。
  1. 数据发送频率:
  • 使用 delay(60000) 设置每次数据发送之间的间隔为 60 秒。根据需要,可以调整这个时间以满足项目的需求。

2. Node.js 后端 API 实现

为了处理来自 ESP32 的数据,我们需要在 Node.js 中创建一个简单的 RESTful API。该 API 将接收来自 AWS IoT 的数据并存储到 DynamoDB。

代码示例

以下是 Node.js 后端代码的示例:

const express = require('express');
const bodyParser = require('body-parser');
const AWS = require('aws-sdk');
const cors = require('cors');const app = express();
const port = 3000;// AWS DynamoDB配置
AWS.config.update({region: 'us-east-1', // 替换为您的区域accessKeyId: 'your_access_key_id',secretAccessKey: 'your_secret_access_key'
});const dynamoDB = new AWS.DynamoDB.DocumentClient();
const tableName = 'WaterQualityData'; // DynamoDB表名app.use(cors()); // 允许跨域请求
app.use(bodyParser.json()); // 解析JSON请求体// 接收来自ESP32的数据
app.post('/data', (req, res) => {const { pH, DO, EC, Turbidity } = req.body;const params = {TableName: tableName,Item: {id: Date.now(), // 使用时间戳作为唯一IDpH: pH,DO: DO,EC: EC,Turbidity: Turbidity,timestamp: new Date().toISOString() // 添加时间戳}};dynamoDB.put(params, (err) => {if (err) {console.error("Unable to add item. Error JSON:", JSON.stringify(err, null, 2));res.status(500).send("Error saving data");} else {console.log("Added item:", JSON.stringify(params.Item, null, 2));res.status(200).send("Data saved successfully");}});
});app.listen(port, () => {console.log(`Server running at http://localhost:${port}`);
});
代码说明
  1. 依赖模块:
  • 使用 express 创建一个简单的 HTTP 服务器,使用 body-parser 解析 JSON 格式的请求体,使用 cors 处理跨域请求。
  1. AWS SDK配置:
  • 使用 AWS.config.update 设置 AWS 区域和访问密钥,使用 DynamoDB.DocumentClient 连接到 DynamoDB。
  1. POST路由:
  • 定义一个 /data POST 路由,该路由接收 ESP32 发送的水质数据。在路由中,提取请求体中的 pH、DO、EC、Turbidity 数据。
  1. 数据存储:
  • 使用 dynamoDB.put() 方法将接收到的数据存储到 DynamoDB 表中。每个数据项包含一个唯一的 ID(使用当前时间戳)和传感器读取值以及时间戳。
  1. 错误处理:
  • 如果存储数据时出现错误,返回 500 状态码并发送错误信息;如果成功,返回 200 状态码并发送成功消息。

3. React 前端应用

前端部分将使用 React 框架开发一个用户界面,允许用户查看水质监测数据。

代码示例
// src/App.js
import React, { useEffect, useState } from 'react';
import axios from 'axios';
import './App.css';function App() {const [data, setData] = useState([]);const [error, setError] = useState('');useEffect(() => {const fetchData = async () => {try {const response = await axios.get('http://localhost:3000/data'); // 假设有一个GET接口返回数据setData(response.data);} catch (err) {setError('Error fetching data');console.error(err);}};fetchData();const interval = setInterval(fetchData, 60000); // 每60秒刷新一次数据return () => clearInterval(interval); // 清理定时器}, []);return (<div className="App"><h1>水质监测数据</h1>{error && <p>{error}</p>}<table><thead><tr><th>时间</th><th>pH值</th><th>溶解氧 (DO)</th><th>电导率 (EC)</th><th>浊度</th></tr></thead><tbody>{data.map((item) => (<tr key={item.id}><td>{item.timestamp}</td><td>{item.pH}</td><td>{item.DO}</td><td>{item.EC}</td><td>{item.Turbidity}</td></tr>))}</tbody></table></div>);
}export default App;
代码说明
  1. 状态管理:
  • 使用 useState 钩子管理 dataerror 状态。data 用于存储水质监测数据,error 用于存储错误信息。
  1. 数据获取:
  • 使用 useEffect 钩子在组件挂载时和每次更新时获取数据。通过 axios 库发送 GET 请求到 /data 接口(假设后端实现了这个接口以获取存储的数据)。

  • 每60秒调用一次 fetchData 函数,以确保数据保持最新。

  1. 错误处理:
  • 如果请求失败,设置错误状态,显示错误信息。
  1. 数据展示:
  • 使用 HTML 表格展示水质监测数据,表头包括时间、pH值、溶解氧 (DO)、电导率 (EC) 和浊度。

  • 使用 map() 方法遍历 data 数组,生成表格行,显示每个数据项的详细信息。

  1. 样式:
  • src/App.css 中可以添加样式以美化界面,例如:
.App {text-align: center;margin: 20px;
}
table {margin: 0 auto;border-collapse: collapse;width: 80%;
}
th, td {border: 1px solid #ddd;padding: 8px;
}
th {background-color: #f2f2f2;
}

4. 数据可视化

为了使数据更具可读性和可视化,可以使用 Chart.js 库绘制图表。以下是如何在上述应用中添加图表的示例:

安装依赖
npm install chart.js react-chartjs-2

更新代码示例以添加图表

下面的代码将绘制 pH 值、溶解氧 (DO)、电导率 (EC) 和浊度的折线图,使用 Chart.js 来可视化数据。

完整代码示例
// src/App.js
import React, { useEffect, useState } from 'react';
import axios from 'axios';
import { Line } from 'react-chartjs-2';
import './App.css';function App() {const [data, setData] = useState([]);const [error, setError] = useState('');useEffect(() => {const fetchData = async () => {try {const response = await axios.get('http://localhost:3000/data'); // 假设有一个GET接口返回数据setData(response.data);} catch (err) {setError('Error fetching data');console.error(err);}};fetchData();const interval = setInterval(fetchData, 60000); // 每60秒刷新一次数据return () => clearInterval(interval); // 清理定时器}, []);// 准备图表数据const chartData = {labels: data.map(item => item.timestamp), // X轴为时间戳datasets: [{label: 'pH值',data: data.map(item => item.pH),borderColor: 'rgba(75,192,192,1)',backgroundColor: 'rgba(75,192,192,0.2)',fill: true,},{label: '溶解氧 (DO)',data: data.map(item => item.DO),borderColor: 'rgba(255,99,132,1)',backgroundColor: 'rgba(255,99,132,0.2)',fill: true,},{label: '电导率 (EC)',data: data.map(item => item.EC),borderColor: 'rgba(54,162,235,1)',backgroundColor: 'rgba(54,162,235,0.2)',fill: true,},{label: '浊度',data: data.map(item => item.Turbidity),borderColor: 'rgba(255,206,86,1)',backgroundColor: 'rgba(255,206,86,0.2)',fill: true,},],};return (<div className="App"><h1>水质监测数据</h1>{error && <p>{error}</p>}<div><h2>水质监测趋势</h2><Line data={chartData} /></div><table><thead><tr><th>时间</th><th>pH值</th><th>溶解氧 (DO)</th><th>电导率 (EC)</th><th>浊度</th></tr></thead><tbody>{data.map((item) => (<tr key={item.id}><td>{item.timestamp}</td><td>{item.pH}</td><td>{item.DO}</td><td>{item.EC}</td><td>{item.Turbidity}</td></tr>))}</tbody></table></div>);
}export default App;

代码说明

  1. 引入 Chart.js:
  • 使用 import { Line } from 'react-chartjs-2' 引入折线图组件,允许在应用中绘制图表。
  1. 准备图表数据:
  • 每个数据集都有 label(图例名称)、data(数据点数组)、borderColor(线条颜色)、backgroundColor(填充颜色)和 fill(是否填充区域)属性。

  • 在组件中创建 chartData 对象,该对象包含 labelsdatasets

  • labels 使用时间戳作为 X 轴的标签。

  • datasets 是一个数组,包含不同传感器数据的配置:

  1. 渲染图表:
  • 使用 <Line data={chartData} /> 组件在应用中渲染图表,显示水质监测数据的趋势。

五、项目总结

本项目设计并实现了一个基于物联网的水质监测系统,旨在实时监测和分析水质参数,以帮助用户及时了解水质状况。通过使用 ESP32 微控制器、多个水质传感器、云服务以及前端可视化技术,系统具备以下几个关键特点:

  1. 实时数据监测:
  • 系统能够实时收集水中的 pH 值、溶解氧、电导率和浊度等重要水质参数。通过编写驱动程序,ESP32 能够稳定地读取传感器数据,并将其通过 Wi-Fi 发送到 AWS IoT 平台。
  1. 数据存储与分析:
  • 通过与 AWS IoT 和 DynamoDB 的结合,系统实现了数据的安全存储和高效管理。后端使用 Node.js 提供 RESTful API,使得数据的接收和存储变得更加灵活可靠。
  1. 可视化用户界面:
  • 前端使用 React 框架开发,提供用户友好的界面,允许用户查看水质数据的历史记录和实时趋势。使用 Chart.js 库进行数据可视化,使得数据更加直观,方便用户进行分析和决策。
  1. 低功耗设计:
  • 系统设计时考虑了低功耗需求,ESP32 的使用使得设备能够长期运行在电池供电或太阳能供电的情况下,适用于各种环境。
  1. 扩展性与适应性:
  • 系统架构具有良好的扩展性,可以根据实际需求添加新的传感器或功能模块。同时,设备设计考虑了防水和耐腐蚀特性,适应水质监测的实际应用场景。
  1. 安全性:
  • 在数据传输过程中实现了数据加密和身份验证,确保系统的安全性和用户隐私。

未来工作方向

尽管本项目已实现基本功能,但仍有若干改进和扩展的方向:

  • 增加更多传感器:可以考虑增加新的传感器,例如温度传感器、氨氮传感器等,以提供更全面的水质监测能力。

  • 数据分析与机器学习:通过对历史数据进行分析,利用机器学习算法进行异常检测和预测,帮助用户提前预警水质问题。

  • 移动应用开发:开发移动端应用,让用户可以随时随地监控水质数据并接收预警信息。

http://www.lryc.cn/news/418080.html

相关文章:

  • Vcpkg安装指定版本包或自定义安装包
  • 【C++深度探索】红黑树实现Set与Map的封装
  • 终于有人把客户成功讲明白了
  • [新械专栏] 肾动脉射频消融仪及一次性使用网状肾动脉射频消融导管获批上市
  • leetcode-119-杨辉三角II
  • 【第八节】python正则表达式
  • 三大浏览器Google Chrome、Edge、Firefox内存占用对比
  • 【wiki知识库】08.添加用户登录功能--后端SpringBoot部分
  • vue中nextTick的作用
  • 计算机网络面试-核心概念-问题理解
  • go语言创建协程
  • RabbitMQ之基于注解声明队列交换机:使用@RabbitListener实现消息监听
  • 【grafana 】mac端grafana配置的文件 grafana.ini 及login
  • 程序员如何在人工智能时代保持核心竞争力
  • 回溯排列+棋盘问题篇--代码随想录算法训练营第二十三天| 46.全排列,47.全排列 II,51. N皇后,37. 解数独
  • ESXI加入VMware现有集群提示常规性错误
  • 数字噪音计(声级计)【AR814数字噪音计】
  • 【Vue3】图片未加载成功前占位
  • AbstractQueuedSynchronizer之AQS
  • <数据集>起重机识别数据集<目标检测>
  • 04--Docker
  • MiniCPM-V: A GPT-4V Level MLLM on Your Phone 手机上的 GPT-4V 级多模态大模型
  • Unity初识
  • 【游戏引擎之路】登神长阶(九)——《3D游戏编程大师技巧》:我想成为游戏之神!
  • Linux:线程同步之信号量
  • GPT-SoVITS-文本转语音(你的声音不再是唯一)
  • C语言深度剖析(部分)--剩下随缘更新
  • 计算机毕业设计选题推荐-电缆行业生产管理系统-Java/Python项目实战
  • Linux 下查看 CPU 使用率
  • 数理基础知识