监控系统和AI辅助建议功能的实现

家里小朋友养了一只小乌龟，到了冬天就冬眠了，早早地准备了一个冬眠箱，铺上椰土，在室温低于15℃时，就把小乌龟放到冬眠箱里，不一会儿它就自己钻入土中把自己藏了起来。按照惯例，需要每隔一定时间，对冬眠箱进行补水，以保持土壤湿润，防止小乌龟缺水，但有时候也会忘记补水的工作，造成冬眠箱过于干燥，不利于乌龟健康。翻箱倒柜，找到一个9年前买的树莓派2 Model B，32位，4核1GB的设备，正好可以利用起来，做一个冬眠箱湿度实时监控系统，设计一下用户需求，大致如下：每隔一定时间，采集冬眠箱中土壤的湿度数值，并将数据推送到网上的数据库中提供一个前端页面，这个页面负责从数据库中读取数据，并以图表形式展现湿度走势在这个前端页面上，通过人工智能AI服务，给出乌龟冬眠箱内的补水建议，比如建议几天后或者什么时机应该考虑补水等等这个需求其实没有做到业务闭环：理论上讲，这个前端页面只不过是提供给我一个访问湿度数据并获得AI建议的一个“周边”功能而已，真正做的更为完整的话，应该是，在获得AI建议后，根据AI建议，将补水指令发送到设备，设备控制继电器完成自动补水，而不是让我看到数据后，再自己拿起喷水壶走向乌龟冬眠箱。废话不多说，直接开整。技术设计与实现效果总结起来，我打算使用下面的这些硬件、技术和软件开发框架，来完成整个系统的实现：硬件：树莓派2 Model B，负责从土壤湿度传感器读入数据，然后推送到Microsoft Azure IoT Hub在数据被推送到IoT Hub前，使用ADS1115模数转换模块，将传感器模拟量转换为数字量，交由树莓派处理树莓派2 Model B中，使用C语言编程，由Azure IoT C SDK实现与Microsoft Azure IoT Hub的交互；使用pigpio实现树莓派GPIO和I2C模数转换数据采集树莓派中运行的这个数据采集程序，由cron服务负责调度，每15分钟运行一次程序，在运行时采集一次数据，推送一次数据数据推送到IoT Hub后，通过Azure Function，将数据插入到后端的Azure Database for PostgreSQL flexible server数据库使用ASP.NET Core Web App (Razor Pages)实现前端页面，访问PostgreSQL数据库，提供数据查询和呈现能力，数据趋势图表使用chartjs渲染在这个前端页面上，通过Ajax异步调用，由Microsoft Semantic Kernel访问Azure OpenAI Services，通过预先部署好的gpt-4o模型，获取补水建议，并把结果显示在页面上在这些技术的选择上，有些地方是经过一些考量并最终决定方案的：选用C语言编程，而不是Python或者.NET，因为我对Python并不熟悉，加上树莓派2 Model B本身配置不高，所以跑.NET会比较耗费资源；因此，在现有的条件下，对于我来说，C语言是实现最快最方便的使用Cron定时任务来调度程序，而不是让程序自己长期驻留后端，在程序内部每隔一段时间做一次数据采集和上传，原因如下：Cron功能简单易用，Cron表达式灵活度非常强，可以随时调整调度时机程序长期驻留后端，更容易出现问题，比如如果编程习惯不好，产生内存泄漏，时间一长势必把系统搞挂，不利于系统稳定运行反复的GPIO I2C调用，容易产生缓存和脏数据，造成数据错误，每次调度都重新启动一次进程，可以避免这类问题的发生选择Microsoft Azure作为服务层的基础设施，因为它能提供全套所需后端服务，生态也比较成熟，而且我每个月还是有那么一点点额度在上面选择ASP.NET Core Web App (Razor Pages)作为前端技术，而不是选择所谓的单页面应用和前后端分离的架构，是因为虽然我每个月有那么一点点Azure额度，但是不多，省一个算一个，不想因为一个简单的应用把东西搞得太复杂从整体上看，整个系统的架构如下图所示：

      

在这个页面的上半部分，提供时间区间选择功能，可以指定数据观察的起始时间和结束时间，点击【确定】按钮后，在页面的下半部分就会用曲线图来显示这个时间区间中的数据。其中“历史数据”部分显示了各个时间点（每15分钟）的湿度数据，而“湿度趋势”则是将每6个小时的数据进行平均，然后显示在曲线图上。需要注意的是，每个数据点的值并不是对应真实的物理上的“湿度”概念，它只是一个参考值，在通过I2C采集数据时，我并没有对数据进行特殊处理，所以，这个值越大，表明传感器两侧之间的电阻值越大，也就是模拟量输出端（AO）上的电压越高，这也就意味着土壤湿度越小，越干燥，根据多次实验，确定了如果土壤干燥程度很严重，这个相对值是31840（电压就是31840 * 2.048 / 32768 = 1.99V）。所以可以从上面的图表看到，随着时间的推移，土壤变得越来越干。在这个页面的中间部分，提供了“听听AI怎么说”功能，它通过将近期的数据汇总并发送给gpt-4o大语言模型，并由gpt-4o给出建议，显示在页面上，一开始的时候，这个建议不是特别靠谱，随着时间的推移，能够给出的参考数据越来越丰富，它的推测也越来越显得合理了。