摘要：为了满足人们对智能家居的个性化需求,设计并实现了一种基于多路融合归并的机器学习的智能家居系统。该系统采用阿里云物联网平台,以ESP8266作为系统的控制端,多个传感器作为系统的检测端,多个控制器作为系统的控制端口,通过MQTT协议分享数据,并通过手机APP进行查阅。通过阿里云物联网平台中API接口,获取用户行为数据;并基于这些行为数据,采用数据处理与分析技术、信息挖掘技术、机器学习技术,建立KNN以及随机森林模型对用户进行预测,并将结果反馈到平台进行控制,为用户提供一个良好的个性化智能家居系统。

摘要：当前,国内正处在由传统农业向现代化农业转变的过渡时期,关于养殖场的智能监测控制系统的研究与应用已经从引进吸收阶段向综合性研究、创新应用阶段过渡,未来物联网智能农业将迎来飞速发展的新时期。本文设计并实现了一种基于ZigBee的物联网养殖场环境监测控制系统,系统由数据采集部分、控制部分、报警部分组成。数据采集部分由多个数据采集节点构成,采集节点收集养殖场内温湿度、沼气浓度等参数,数据通过ZigBee网络进行传输,若出现异常则启动控制模块和报警模块工作。协调器节点通过ESP8266模块接入云平台,实现智能监测控制养殖场内环境。系统的实现有利于提高养殖和管理效率,减少人工成本,增强安全性。

摘要：文中设计并实现了一种基于物联网的危险品仓库环境监测系统,综合短距离无线通信技术、嵌入式技术和无线传感器网络技术,将系统设计为"终端-服务器-手机APP"结构。首先,通过搭载传感器的ZigBee终端节点获取环境数据,此为该系统的物理感知层;接着,通过搭载WiFi模块的ZigBee节点作为路由器将数据上传至云端服务器,此为该系统的网络层;最后,通过手机APP获取云端服务器的环境数据,此APP作为该系统的客户端。在实现对危险品仓库环境监测网络化、智能化和模块化的同时,也解决了以往系统中存在的能耗大、扩展性差和准确性低等问题。测试结果表明:基于物联网的危险品仓库环境监测系统实现了设计初衷,提高了传统仓库环境监测系统的监测水平。