CONTEXTE GENERALE
Passons au contexte generale du projet en soulignant sur la problematique en fait La qualité de l'air
intérieur est un enjeu crucial de santé publique. Selon l'OMS, l'air intérieur peut être jusqu'à cinq
fois plus pollué que l'air extérieur, exposant les individus à des risques de problèmes respiratoires et
d'allergies
Pour répondre à ce défi, nous proposons de développer un système IoT pour collecter les
données des capteurs par la carte Raspberry ,les stocker dans une base de données cloud et les
afficher en temps réel avec une dashboard bien
Ce système offre plusieurs avantages tel que une mesure en continu, une centralisation des
données, une surveillance en temps réel et une accessibilité à distance
MATERIAUX ET LOGICIELS
Passons aux materiaux et les logiciels et commençeons par l’environnement matériel
Nous avons utlisés un capteur DHT11 pour la mesure de temperature et humidité, Il offre une
plage de mesure de 0 à 50°C pour la température et de 20% à 100% pour l’humidité
Et pour la mesure de CO2 on a utilisé le capteur MQ135 Il dispose d’une plage de détection de
10 à 1000 ppm
Un convertisseur MCP3008 qui assure une conversion efficace et précise des signaux
analogiques en données numériques et utiliséavec le capteur MQ135
Et principalement une carte Raspberry Pi 3 A+ qui présente le cœur du système, elle integre
plusieurs fonctionnalites tel que la connectivité Wi-Fi, les ports GPIO pour connecter les
capteurs.
Cette carte fonctionne sous LINUX et tres utilisée dans les applications embarquées nécessitant
un fonctionnement continu
Et pour l’environnement logiciel on a utilise plusieurs outils tel que Raspberry Pi imager qui est
Pi Imager est un utilitaire essentiel pour l’installation et la configuration rapide du système
d’exploitation de ma carte, VNC Viewer qui permet de contrôler à distance l’interface du bureau
de la Raspberry Pi, python un language de programmation pour ecrire le script, une base de
données cloud firebase qui offre un stockage en temps réel de données et finalement node-red
et Blynk qui sont les outils qui permettent une visualisation bien structurée de données ainsi
qu’une surveillance en temps réel
REALISATION
On passe maintenant à la partie realisation. Notre projet se divise en 6 grandes etapes
Installation et configuration de la Raspberry par les outils et les bibliotheques necessaires,
cablage et simulation du circuit, Recuperation des donées des capteurs par un script python puis
la transmission de ces données vers la base de données, une visualisation et automatisation de
ces données avec Node-Red et finalement le transfert de données vers Blynk pour une
visualisation mobile
Installation et configuration de la Raspberry Pi
Pour la premiere etape on a installe le système d’exploitation Raspbian d’apres Raspberry pi
imager ainsi que la configuration des parametres de base et pour utiliser la carte à distance on a
installé VNC Viewer qui nous permet de contrôler à distance l’interface du bureau juste en
entrant l’@IP de la carte
Simulation de circuit
Pour la deuxième, nous avons procédé à la simulation et au câblage du
circuit. nous avons d'abord réalisé le câblage du capteur DHT11 pour la
mesure de température et d'humidité, puis celui du capteur MQ135 pour
la détection du CO2. Ces deux modules ont ensuite été combinés pour
former notre circuit final où tous les composants sont connectés à la
Raspberry Pi via une breadboard.
Récupération des données des capteurs
Pour la recuperation des données on avait besoin tout d’abord des bibliotheques specifiques
pour le bon fonctionnement du script python tel que Adafruit dht qui Permet de récupérer les
données de température et d’humidité des capteurs DHT11
On a installe aussi la bibliotheque Adafriut MCP3xxx.MPC3008 pour lire les données analogiques du
capteur MQ135 via le convertisseur analogique numérique MCP3008
Et finalement Busio et Digitalio pour la gestion des entrées/sorties (GPIO) de la Raspberry Pi,
permettant de contrôler les pins pour interagir avec les capteurs.
Et voila le resultat du script qui affiche les valeurs de temperature, humidité et CO2 chaque 2s et
chaque valeur avec sa propre unité
Transmission des données vers Firebase
pour la transmission de ces données vers firebase on doit tout d’abord créer un projet et le nommer
dans firebase. définir les regles de securité pour qu’on puisse contrôler les accès en lecture et en
écriture à la base de données et puis on peut créer le Realtime Databse et definir les tableaux
necessaires
la connexion entre firebase et la carte se fait par la generation d’une clé privé JSON qui doit etre
placée dans un endroit bien défini parce que le path doit etre mentionné dans le script ainsi que
l’URL de la base de données
Automatisation avec Node-RED
Une fois les données sont stockées dans la base on peut les envoyer en temps réel à une
Dashboard bien organisée et conçu par Node-Red. Cette Dashboard contient une page login
Pour sécuriser l’accès au tableau de bord
Une fois authentifié on trouve une visualisation complete des données des gauges pour la
surveillance des valeurs en temps reel des courbes pour analyser l’evolution des données en
fonction du temps une table qui affiche l’historique des valeurs et on a aussi les valeurs critiques
min et max de chaque parametre et finalement un boutton pour le logout
Application avec Blynk
pour la visualiation des données avec blynk on doit tout d’abord installer une bibliotheque iot-
blynk dans node-red pour l’interaction avec la plateforme Blynk et l’utilisation du nœud write
pour le transfert des données. la dashboard mobile contient des gauges et des courbes qui
affichent les valeurs et l’evolution en temps réel
nous finissons par une conclusion…
