本篇文章簡單介紹了如何在樹莓派上配置土壤濕度傳感器以讀取土壤濕度及代碼實現。

主要包含有以下4個模塊：

一、土壤濕度傳感器常見類型及介紹

二、實驗所需設備

三、設備連線方式與Python代碼實現

四、常見問題及注意事項

需要哪個模塊的內容直接跳轉去看即可~

一、土壤濕度傳感器常見類型及介紹

 土壤濕度傳感器，又名土壤水分傳感器、土壤墒情傳感器、土壤含水量傳感器等。顧名思義，主要用來測量土壤相對含水量，做土壤墒情監測。在智能農業，農業灌溉和林業防護等領域極廣。該傳感器價格低廉，如果想在家製作一個簡易的智能自動化作物灌溉系統，有了它，再加上溫濕度傳感器、樹莓派/Arduino就可以輕鬆完成。

常見的土壤傳感器分為兩類，電阻型和電容型土壤濕度傳感器。但原理大同小異，都是測量土壤中水分的體積含量，並以電壓表示水分值。

（一）電阻型土壤濕度傳感器

常見的有傳感器型號有YL-69（下圖左）和FC-28（下圖右）。這是一種低技術含量的傳感器這類傳感器由兩部分組成，帶探針的傳感器，A to D（模擬信號轉数字信號）电子板（校準靈敏度主板），兩者用母對母杜邦線連接。                

            它根據土壤的介電常數（土壤的導電能力）來估計土壤體積水含量，工作時，使用兩個探針讓電流通過土壤，然後讀取電阻來獲得濕度水平。水分越多，土壤導電越容易(電阻越小)，而土壤乾燥，導電越差(電阻越大)。土壤中的濕度是一個連續變化的一系列值，為模擬信號，使用A to D接線板之後可以將從環境中得來的模擬信號轉成数字信號，在該板上有兩個指示燈，PWR-LED和DO-LED，前者檢測是否插好電源，如果電源的正負極連接正確，則會亮起，如下圖（左）所示。在這裏我使用的是YL-69型號，燈為綠色，也有一些廠商生產的傳感器指示燈為紅色。該傳感器在輸出数字信號時，可以使用改錐調節板上的電位計（藍色中間有十字架的部位）來提前設定閾值大小，一旦土壤濕度達到或大於閾值，則DO-LED亮起，如下圖（中）所示。

 电子板從左到右的標記為AO、DO、GND、VCC，如下圖（右）所示。AO和DO為信號引腳，如果需要模擬信號，則連接AO，輸出的模擬值是介於所提供的電壓值到0V間的變化的電壓值，如果輸出0V，則代表土壤導電性不好，即水分含量低，可以用這個電壓值來估計土壤濕度。如果需要数字信號輸出則連接DO，簡單的輸出0和1，可直接通過信號燈判斷土壤中水分是否低於閾值，高於則“開”，低則“關”。GND表示接地，VCC連接電源，但在這個項目中，我們將單獨利用模擬輸出。

 該傳感器的優點是價格低廉，且有指示燈，觀察方便，但由於土壤環境是酸性的（acidic）,隨着時間的推移，土壤里的化學物質會使得探針氧化（oxidize）導致測量不準確，所以需要時不時的進行更換以保證測量的準確性。

（二）電容型傳感器

相比較前一類型的傳感器，這類傳感器就顯得“光禿禿”了，只有一個組件，沒有指示燈，且只能輸出模擬信號。它區別於電阻傳感器，利用電容感應原理來檢測土壤濕度，避免了電阻式傳感器極易被腐蝕的問題，生命周期較長，缺點是不能用指示燈判斷傳感器是否正常工作，它同時只提供模擬信號。如圖設計DF Robot的一款傳感器，內置穩壓芯片，支持3.3V-5.5V寬電壓工作。DFRobot-Gravity接口具有兼容性，可直接和Gravity IO擴展板相連接。輸出電壓為0-3VDC。

在自動化澆灌系統中，濕度傳感器用於測量土壤中水分，可以提前預設一個閾值，一旦土壤中的水分低於此閾值，則啟動連接着蓄水池（家用拿礦泉水瓶裝滿水替代即可）的水泵噴水，等到水分值超過預設值，則水泵暫停工作。

二、實驗所需設備

樹莓派 3 b+/樹莓 4 b/樹莓派Zero W

MCP3008

麵包板

跳線（公對母，母對母，最好多準備一些）

土壤傳感器（電容式、電阻式均可）

一杯水（可以將傳感器放入水中來觀察濕度讀數的變化，若沒有條件也可直接用手握住傳感器的探針）

MCP3008

由於樹莓派沒有模擬信號引腳，所以沒有辦法直接輸出模擬信號數值，此時我們需要使用MCP3008集成電路。

MCP3008 IC（Integrated Circuit）是一個8通道，10位的具有SPI串行接口的A / D轉換器(模擬-数字轉換器)，共有16個引腳，可以用來解決模擬引腳問題（MCP3004也是ADC，不過為4路，體型更小）。MCP3008使用SPI總線協議從樹莓派接收模擬輸入值。它有8個模擬輸入（ch0-ch7），另外一列的8個引腳中有4個電源和地引腳和4個連接樹莓派的引腳，它產生範圍為0-1023的輸出值(注意：0表示0V, 1023表示3.3V)。

三、設備連線方式與代碼實現

在此實驗中，主要介紹和使用的FC-28型號土壤濕度傳感器，但其它型號的傳感器使用，連線均與此相同。

（一）設備連線方式

1.電路圖及說明

MCP3008共有16個引腳，其中8個用於記錄模擬輸入值，位於CH0-CH7(引腳1-8)，4個通信引腳通過SPI協議方法與樹莓派通信，還有2個電源引腳，2個接地引腳。

（二）代碼實現

1. 啟用樹莓派的SPI接口

樹莓派的SPI接口與SSH、VNC服務相同，是默認關閉的，需要我們在配置中打開此服務才可以使用。

按照以下步驟啟動終端並輸入以下命令:

（1）打開樹莓派配置選項

sudo raspi-config

（2）導航到Interface選項，啟用SPI接口。

（3）重啟樹莓派

reboot

2. 安裝spidev庫

光啟用SPI接口，但是樹莓派還是無法讀取傳感器傳過來的值，spidev庫將幫助通過SPI接口讀取傳感器值。

 使用以下命令安裝spidev庫:

sudo apt-get install git python-dev
git clone git://github.com/doceme/py-spidev
cd py-spidev/
sudo python setup.py install

3. 安裝numpy庫

我們從傳感器獲得的值還是電壓值而非土壤濕度值，土壤濕度需要使用百分比的形式體現，為了將輸出值轉換為百分比，還需要使用numpy庫。我們從MCP3008 IC接收到的輸出值是在前面提到的0-0123範圍內的數值，仍需要將把這些值映射到0-100，以得到一個百分比。

使用以下命令安裝numpy模塊:

sudo apt-get install python-numpy

4. Python代碼

# Importing modules
import spidev # To communicate with SPI devices
from numpy import interp  # To scale values
from time import sleep  # To add delay


# Start SPI connection
spi = spidev.SpiDev() # Created an object
spi.open(0,0) 


# Read MCP3008 data
def analogInput(channel):
  spi.max_speed_hz = 1350000
  adc = spi.xfer2([1,(8+channel)<<4,0])
  data = ((adc[1]&3) << 8) + adc[2]
  return data


while True:
  output = analogInput(0) # Reading from CH0
  output = interp(output, [0, 1023], [100, 0])
  output = int(output)
  print("Moisture:", output)
  sleep(0.1)

當從土壤濕度傳感器讀取模擬輸出值時，它以百分比測量濕度，使用來自numpy庫的特定interp模塊進行映射得到從0-100的值。

四、常見問題及注意事項

（一）常見問題

1. 持續輸出0或100，無論探針是否放入水中均沒有變化

2. 沒有操作探針，但讀數呈有規律地變化

針對以上出現有以下幾種解決方案

1.檢查樹莓派的SPI服務有無正確打開

2.先檢查線有沒有接穩，查看是不是線的連接順序（傳感器的正負極有沒有接反，與樹莓派的連線有沒有串行）有誤

3. 線是否有生鏽或損壞（之前第一次做實驗時，各種調試都出現不了正確結果，後來才發現是有幾根線生鏽了所以不通）

（二）注意事項 

1. 盡量使用長線，便於看清連線位置

2. 盡量不要使用拼接線（一根公對公，一根母對母拼接成公對母的），這樣需要照顧的線更多，也更容易出紕漏

3. 一定一定要有耐心，出現問題后按照順序逐一排查。因為涉及到的連線較多，對硬件小白來說，很容易眼花繚亂想放棄，但是太簡單的東西誰都能做，能攻破學習或者生活中一個個難關的人才能有所成長啊~

如果你在配置土壤濕度傳感器時或使用樹莓派時遇見了什麼問題，歡迎在評論區寫下，看到了會及時答覆。期待與大家一起學習。

文字及圖片部分來源：https://maker.pro/raspberry-pi/tutorial/interfacing-soil-moisture-sensor-with-raspberry-pi

轉發請標明來源。祝大家學派happy！

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※想知道最厲害的網頁設計公司"嚨底家"!

※幫你省時又省力,新北清潔一流服務好口碑

※別再煩惱如何寫文案,掌握八大原則!

  日本汽車大廠日產汽車(Nissan)10 日宣佈，旗下中國大陸合資公司東風汽車有限公司的乘用車部門「東風日產乘用車公司(以下稱東風日產)」自 10 日起將在大陸開賣東風日產自有品牌電動車「Venucia e30」，售價為 26 萬 7,800 元人民幣，目標為在 2018 年於中國電動車市場拿下 20% 市佔率。   Venucia e30 是以日產於 2010 年在日本開賣的電動車「Leaf」的車台、技術為根基，由日產與東風日產所攜手研發的車款，而日產也將成為第一家進軍中國電動車市場的日系車廠。   Venucia e30 初期將在北京、上海、廣州、深圳、大連、武漢、天津、鄭州和杭洲等 9 個都市販售，並計劃在 2015 年將販售區域擴及至中國全國。   據日本媒體共同通信指出，Venucia e30 約 4 小時可充飽電、充飽電狀態下的行駛距離為 175km；Venucia e30 將在廣州生產、2018 年銷售目標為 5 萬台。     （圖片來源：）

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※想知道購買電動車哪裡補助最多?台中電動車補助資訊懶人包彙整

※南投搬家公司費用,距離,噸數怎麼算?達人教你簡易估價知識!

※教你寫出一流的銷售文案?

※超省錢租車方案

前言

Java虛擬機把描述類的數據從Class文件加載到內存，並對數據進行校驗、轉換解析和初始化，最終形成可以被虛擬機直接使用的Java類型，這個過程被稱為虛擬機的類加載機制。

類加載的時機

一個類型從被加載到虛擬機內存中開始，到卸載除內存為止，它的生命周期將會經歷加載（Loading）、驗證（Verification）、準備（Preparation）、解析（Resolution）、初始化（Initialization）、使用（Using）和 卸載（Unloading）、七個階段，其中驗證、準備、解析三個部分統稱為連接（Linking）。
類的生命周期如下圖：

其實加載、驗證、準備、初始化和卸載這五個階段的順序是確定的，類型的加載過程必須按照這種順序按部就班地開始，而解析階段則不一定：它在某些情況下可以在初始化階段之後再開始，這是為了支持Java語音的運行時綁定特性（也稱為動態綁定或晚期綁定）。
在什麼情況下需要開始類加載過程的第一個階段“加載”，《Java虛擬機規則》中並沒有進行強制約束，但是對於初始化階段《Java虛擬機規範》則是嚴格規定了有且只有以下六種情況必須立即對類進行“初始化”。

1. 遇到new、getstatic、putstatic或invokestatic這四條字節碼指令時，如果類型沒有進行過初始化，則需要先觸發其初始化階段。
   涉及到這四條指令的典型場景有：

• 使用new關鍵字實例化對的時候。
• 讀取或設置一個類型的靜態字段（被final修飾、已在編譯期把結果放入常量池的靜態字段除外）的時候。
• 調用一個類型的靜態方法的時候。

1. 使用 java.lang.reflect 包的方法對類型進行反射調用的時候，如果類型沒有進行過初始化，則需要先觸發其初始化。
2. 當初始化類型的時候，如果發現其父類還沒有進行過初始化，則需要先觸發其父類的初始化。
3. 當虛擬機啟動時，用戶需要指定一個要執行的主類（包含main()方法的那個類），虛擬機會先初始化這個主類。
4. 當使用JDK7新加入的動態語言支持時，如果一個java.lang.invoke.MethodHandle實例最後的解析結果為REF_getStatic、REF_putStatic、REF_invokeStatic、REF_newInvokeSpecial四種類型的方法句柄，並且這個方法句柄對應的類沒有進行過初始化，則需要先觸發其初始化。
5. 當一個接口中定義了JDK8新加入的默認方法（被default關鍵字修飾的接口方法）時，如果這個接口的實現類發生了初始化，那該接口要在其之前被初始化。
   除了以上的這個六種場景外，所有引用類型的方式都不會觸發初始化，稱為被動引用。
   下面來看一下哪些是被動引用：

例子1：

父類

package com.jimoer.classloading;

/**
 * @author jimoer
 * @date Create in 2020/06/24 16:08
 * @description 通過子類引用父類的靜態字段，不會導致子類初始化。
 */
public class FatherClass {

    static {
        System.out.println("FatherClass init!!!!!");
    }

    public static int value = 666;

}

子類

package com.jimoer.classloading;

public class SonClass extends FatherClass{

    static {
        System.out.println("SonClass init!!!");
    }

}

測試類

@Test
public void testInitClass(){
    System.out.println(SonClass.value);
}

運行結果：

FatherClass init!!!!!
666

通過運行結果我們看到，只輸出了“FatherClass init!!!!!”，並沒有輸出“SubClass init!!!”，這是因為對於使用靜態字段，只有直接定義這個字段的類才會被初始化，因此通過子類來引用父類中定義的靜態字段，並不會初始化子類。

例子2：

/**
 * 通過數組定義來引用類，不會觸發此類的初始化
 */
@Test
public void testInitClass2(){
    FatherClass[] fathers = new FatherClass[5];
}

運行結果：未打印任何信息。
通過運行結果我們發現，並沒有打印出 FatherClass init!!!!! ，這說明並沒有觸發Father類的初始化階段。但是這段代碼裏面觸發了另一個名為“[Lcom.jimoer.classloading.FatherClass”的類的初始化階段，它是一個由虛擬機自動生成的、直接繼承與java.lang.Object的子類，創建動作由字節碼newarray觸發。這個類代表了一個元素類型為FatherClass的一維數組，數組中應用的屬性和方法（length屬性和clone()方法）都實現在這個類里。

例子3：

/**
 * @author jimoer
 * 常量在編譯階段會存入調用類的常量池中，
 * 本質上沒有直接引用到定義常量的類，
 * 因此不會觸發定義常量的類的初始化。
 */
public class ConstantClass {
    
    static {
        System.out.println("ConstantClass init !!!");
    }
    
    public static final String CLASS_LOAD = "class load test !!!";
    
}

使用

/**
 * 使用常量
 */
@Test
public void testInitClass3(){
    System.out.println(ConstantClass.CLASS_LOAD);
}

運行結果：

class load test !!!

通過運行結果，我們看到當在使用一個類的常量時，並不會初始化定義了常量的類。這是因為雖然在Java源碼中確實引用了ConstatClass的類的常量CLASS_LOAD，但其實在編譯階段通過常量傳播優化，已經將此常量的值“class load test !!!”直接存儲在使用常量的類中的常量池中了，所以在使用ConstantClass.CLASS_LOAD時候，實際上都被轉化為在使用類自身的常量池的引用了。

接口也是有初始化過程的，上面的代碼都是用靜態語句塊“static {}”來輸出初始化信息的，而接口中不能使用static{}語句塊，但編譯器仍然會為接口生成“ ()”類構造器，用於初始化接口中所定義的成員變量。
還有一點接口與類不同，當一個類在初始化時，要求其父類全部都已經初始化過了，但是在一個接口初始化時，並不要求其父接口全部都完成了初始化，只有在真正使用到父接口的時候（例如引用接口中的常量）才會初始化。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※Google地圖已可更新顯示潭子電動車充電站設置地點!!

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※別再煩惱如何寫文案,掌握八大原則!

校招在即，準備準備一些面試可能會用到的東西吧。希望這次面試不會被掛。

基本概念

說到機器學習模型的誤差，主要就是bias和variance。

• Bias：如果一個模型的訓練錯誤大，然後驗證錯誤和訓練錯誤都很大，那麼這個模型就是高bias。可能是因為欠擬合，也可能是因為模型是弱分類器。

• Variance：模型的訓練錯誤小，但是驗證錯誤遠大於訓練錯誤，那麼這個模型就是高Variance，或者說它是過擬合。

這個圖中，左上角是低偏差低方差的，可以看到所有的預測值，都會落在靶心，完美模型；

右上角是高偏差，可以看到，雖然整體數據預測的好像都在中心，但是波動很大。

【高偏差vs高方差】
在機器學習中，因為偏差和方差不能兼顧，所以我們一般會選擇高偏差、低方差的左下角的模型。穩定性是最重要的，寧可所有的樣本都80%正確率，也不要部分樣本100%、部分50%的正確率。個人感覺，穩定性是學習到東西的體現，高方差模型與隨機蒙的有什麼區別？

隨機森林為例

上面的可能有些抽象，這裏用RandomForest(RF)來作為例子：
隨機森林是bagging的集成模型，這裏：
\(RF(x)=\frac{1}{B}\sum^B_{i=1}{T_{i,z_i}(x)}\)

• RF(x)表示隨機森林對樣本x的預測值；
• B表示總共有B棵樹；
• \(z_i\)表示第i棵樹所使用的訓練集，是使用bagging的方法，從所有訓練集中進行行採樣和列採樣得到的子數據集。

這裏所有的\(z\)，都是從所有數據集中隨機採樣的，所以可以理解為都是服從相同分佈的。所以不斷增加B的數量，增加隨機森林中樹的數量，是不會減小模型的偏差的。
【個人感覺，是因為不管訓練再多的樹，其實就那麼多數據，怎麼訓練都不會減少，這一點比較好理解】

【RF是如何降低偏差的？】
直觀上，使用多棵樹和bagging，是可以增加模型的穩定性的。怎麼證明的？

我們需要計算\(Var(T(x))\)
假設不同樹的\(z_i\)之間的相關係數為\(\rho\),然後每棵樹的方差都是\(\sigma^2\).

先複習一下兩個隨機變量相加的方差如何表示：
\(Var(aX+bY)=a^2 Var(X)+b^2 Var(Y) + 2ab cov(X,Y)\)

• Cov(X,Y)表示X和Y的協方差。協方差和相關係數不一樣哦，要除以X和Y的標準差：
  \(\rho=\frac{cov(X,Y)}{\sigma_X \sigma_Y}\)

下面轉成B個相關變量的方差計算，是矩陣的形式：

很好推導的，可以試一試。

這樣可以看出來了，RF的樹的數量越多，RF方差的第二項會不斷減小，但是第一項不變。也就是說，第一項就是RF模型偏差的下極限了。

【總結】

• 增加決策樹的數量B，偏差不變；方差減小；
• 增加決策樹深度，偏差減小；\(\rho\)減小，\(\sigma^2\)增加；
• 增加bagging採樣比例，偏差減小；\(\rho\)增加，\(\sigma^2\)增加；

【bagging vs boost】
之前也提到過了boost算法：
一文讀懂：GBDT梯度提升
GBDT中，在某種情況下，是不斷訓練之前模型的殘差，來達到降低bias的效果。雖然也是集成模型，但是可以想到，每一個GBDT中的樹，所學習的數據的分佈都是不同的，這意味着在GBDT模型的方差會隨着決策樹的數量增多，不斷地增加。

• bagging的目的：降低方差；
• boost的目的：降低偏差

喜歡的話請關注我們的微信公眾號~【你好世界煉丹師】。

• 公眾號主要講統計學，數據科學，機器學習，深度學習，以及一些參加Kaggle競賽的經驗。
• 公眾號內容建議作為課後的一些相關知識的補充，飯後甜點。
• 此外，為了不過多打擾，公眾號每周推送一次，每次4~6篇精選文章。

微信搜索公眾號：你好世界煉丹師。期待您的關注。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線

※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益

※自行創業缺乏曝光? 網頁設計幫您第一時間規劃公司的形象門面

※南投搬家公司費用需注意的眉眉角角，別等搬了再說!

※新北清潔公司,居家、辦公、裝潢細清專業服務

※教你寫出一流的銷售文案?