Inspiración

Después de analizar los retos, nos hemos interesado por las tecnologías relacionadas con el IoT por lo que hemos apostado por la creación de un sistema de monitorización a baja escala con la intención de empezar con un proyecto accesible, pero con mucha capacidad de crecimiento.

Que hace

Nuestro sistema mide parámetros ambientales a nivel de hogar (temperatura y humedad) a través de sensores conectados a un sistema operativo Raspbian, conectado a su vez con un API alojada en un servidor Web propio. Los datos obtenidos se transmiten a diversos dispositivos. En este momento tenemos implementada una integración con sistemas de asistencia por voz (Amazon Alexa) y con smartphones, con la intención de otorgar una mayor versatilidad y accesibilidad a los usuarios objetivo. El usuario puede, en función de la información aportada, tomar decisiones para activar sistemas relacionados con los parámetros tomados. En nuestro caso, tenemos implementado un sistema LED que simula una instalación de climatización a pequeña escala.

Como lo hemos desarrollado

La Raspberry funciona con su propio sistema Raspbian. El servidor aloja una API programada con Flask (python). El sistema de reconocimiento de voz está programado con Lambdas de Alexa para obtener los parámetros.

Retos afrontados

En un principio, no hemos dispuesto de la tecnología necesaria para el reto, de modo que hemos buscado alternativas para solucionar los deficits y afrontar el reto de la forma mas viable posible. Hemos intentado ampliar nuestro sistema con un asistente de voz, por lo que hemos tenido que entender la programación de Amazon Alexa y hemos implementado un sistema de Machine Learning que, aunque no hemos podido introducir en nuestro Backend, nos ha permitido crear una Red Neuronal para la predicción temporal de Temperaturas.

Logros

"Think out the box" Conexiones hardware con un sistema Raspberry Pi3 (sensor de temperatura/humedad DHT11 y puertos GPIO). Creación de skills de Alexa. Creación de una pequeña red neuronal para predecir Temperaturas en función de los parámetros obtenidos. Conseguir mediante el flujo Alexa/App que los sistemas funcione (en nuestro caso, simulación con sistema LED). Construcción de web app multiplataforma para adaptarlo a la mayoría de dispositivos del mercado.

Que hemos aprendido

Conocimientos adquiridos sobre el sistema de programación de Alexa y Machine Learning. Construcción de una arquitectura completa End-to-End con algunas tecnologías con las que no habíamos trabajado.

Posibilidades de futuro

Todavía queda mucho trabajo por delante. La principal idea es introducir el sistema de machine learning para poder predecir, con una buena accuracy, y automatizar los sistemas. Lo ideal sería introducir una mayor diversidad de sensores para una monitorización completa.

Built With

Share this project:
×

Updates