加入收藏 | English

物联网实验室简介

来源:   时间:2023-09-02   点击数:

本实验室归属自动化与电气工程实验中心,面积96m2主要实验设备有物联网试验箱、Zigbee实验板,台套数为24套,设备总值约20万元。

通过本实验室的学习和实践,使学生了解RFID技术、ZigBee协议、蓝牙传输、移动通信技术和传感器的工作原理,掌握物联网核心技术,培养学生的物联网技术的实践能力以及物联网应用程序开发能力。

、面向课程

本实验室主要面向自动化、电气工程及其自动化、电子科学与技术、智能科学与技术专业,主要承担嵌入式、物联网等创新训练项目,包括全国物联网大赛、全国智能互联大赛、毕业设计、大学生创新项目等实践教学任务。

全年完成创新项目学生总人20余人,主要用于对学生开展课外创新践活动。

、主要创新训练项目

1基于Zigbee的智能家居系统。综合性实验项目。

该项目利用ZigBee无线协议来控制家居的状态并通过设置的阈值来自动控制家具的状态,系统的硬件和软件设计,包括传感器、执行器、控制中心等组件的选择和配置,采用了星形架构,实现了多设备之间的协同工作,包括灯光控制、窗帘控制、风扇控制等,并通过对各种硬件和软件的综合调试,实现一个可靠、稳定、高效的无线智能家居控制系统。

2城市智能垃圾桶。综合性实验项目。

系统选用STM32为控制器,CC2530构建zigbee网络,选用阿里云为云服务器,开发城市智能垃圾桶。系统通过太阳能供电,自动收集垃圾桶的存储情况。卫生管理中心和清洁工人可通过APP知道每个垃圾桶的情况,卫生管理中心可查看整块区域垃圾桶的情况,然后安排清洁工人清理垃圾,该项目有利于清洁工人清理垃圾时目的性明确,提高工作效率。

该项目参加了2021年全国物联网大赛获赛区优胜奖

3多功能智能外卖柜。综合性实验项目。

疫情期间拿取外卖不便利,为了解决外卖配送“最后一公里难题”,项目设计通过采用智能外卖存储柜技术,来实现校园外卖无接触配送服务。智能外卖柜基于树莓派和云平台设计,设计由柜体、树莓派、显示器模块、摄像头采集模块以及其他外围电路组成,具有人机交互、数据采集与识别、云端存储、黑名单等功能。项目采用双向门,从而实现无接触配送外卖。如果短期内订餐人未能来取外卖,将通过服务器再次发送提醒短信提醒外卖的送达,可以有效解决外卖配送难题的同时也极大的提高外卖配送的效率。

该项目获2021年全国物联网大赛赛区二等奖,嵌入式与智能互联比赛赛区优胜奖

4智能扬尘监测系统。综合性实验项目。

系统以 STM32处理器为核心,运行 Linux 系统,使用 TCP 协议实现环境参数的在线实时监控,利用LabVIEW开发了友好的监控界面和微信小程序,完成远程监控和环境参数设置。通过实时传输就能把监测器上的相关数据传输到华为云服务器,服务器记录相关数据生成相应的曲线,当尘埃含量大于一个阈值,系统自动 洒水,降低尘埃的含量。

该项目为2018年全国大学生创新训练项目,学生发表论文一篇,申请软著一项,获2020年全国物联网大赛赛区一等奖,2021年台达杯全国二等奖。

5校园自助洗衣系统。综合性实验项目。

在学校刷卡扣费洗衣机的基础上添加CC2530模块 , 构成ZigBee星形网络拓扑结构,通过STM32+W5500构成的以太网网关接入互联网,使用服务器分析、处理洗衣机数据等信息,微信公众号代替APP,实现查询、统计等操作,界面友好美观,项目可操作性强,为学校学生用洗衣机网络化改造提供了技术支持。

该项目获得2016年全国物联网大赛一等奖,最佳人气奖。

6基于OneNET平台的无接触智能储物柜。综合性实验项目。

一种基于 OneNet 的人脸识别智能储物柜系统。该系统以STM32处理器为控制核心,使用 OpenMv 摄像头对画面进行捕捉,通过使用 Haar-like 算法进行人脸检测,最后使用 LBP 算法进行人脸特征信息的处理以及特征匹配,从而判断是否应该打开柜门。借助 ESP8266 WIFI 模块和 OneNet服务器进行通信,实时地在服务器端同步当前储物柜的开关状态。同时,借助微信小程序实时地查看储物柜当前的状态,也可以使用微信小程序对储物柜进行远程控制。

该项目获2020年全国物联网大赛赛区特等奖,全国一等奖。

  1. 基于机器学习集成智慧路灯的垃圾分类系统

    为了响应垃圾分类管理的号召,倡导低碳生活理念,设计一款集成智慧路灯功能的垃圾分类系统。系统利用YOLOV5s网络模型,在自制的垃圾数据集上对网络进行训练,使用最佳训练模型对实物垃圾进行检测。同时采用LD3320语音识别模块,通过非特定语音识别算法实现对语音信息的鉴别,通过模拟真实环境对语音识别信息进行测试。并运用物联网技术实现系统状态远程监视。实验结果表明,系统能够快速实现垃圾的自动分类。在视觉识别上,对4类垃圾的测试准确率达92%以上。在语音识别上,系统识别准确率达0.93,平均响应时间为1.3s。本系统为垃圾分类及智慧城市建设提供了有益的参考。

    该项目为2022年江西省大学生创新训练项目,学生发表论文一篇,参加2022年嵌入式芯片大赛获赛区三等奖,台达杯赛区优胜奖。

Copyright © 2010-2024 江西理工大学电气工程与自动化学院, All rights reserved。

地址:江西省赣州市客家大道1958号 邮编:341000 网站管理

赣备 2-4-3-2002318  电话 0797-8312241