Nodo LoRa con GPS AIoTs en Wio Terminal
Introducción
El comprobador de GPS y estado AIoTs está basado en el Wio Terminal Chassis-LoRa-E5 y GNSS. En comparación con el IoT tradicional, este enfoque es más conciso e inteligente. Mientras que el IoT tradicional simplemente recibe datos y ejecuta comandos sin verificar su validez, el AIoTs usa algoritmos de redes neuronales para filtrar datos inúctiles y conservar solo los correctos.
En este proyecto se utilizará el sensor acelerómetro de 3 ejes incorporado y algoritmos de redes neuronales para construir un sistema de reconocimiento inteligente. Dependiendo del movimiento del Wio Terminal, este puede mostrar su estado en tiempo real. El proyecto incluye tres estados entrenados: Stop (estado inactivo), Turn (giro del dispositivo) y Wave (agitar el dispositivo con la mano). Se recomienda visitar Edge Impulse para añadir más acciones de entrenamiento.

Características
- Muestra el DevEUI, AppEUI y AppKey en la primera página
- Algoritmo de red neuronal para validar datos
- Detección precisa del estado del Wio Terminal
- Muestra longitud, latitud y número de satélites
- Muestra el estado de conexión del dispositivo y TTN
Primeros pasos
Hardware necesario
Conexión del hardware
Se conecta a la computadora mediante un cable Type-C.
Aprendizaje automático con Wio Terminal
Este proyecto se basa en la plataforma Arduino, por lo que necesitarás el IDE de Arduino y varias bibliotecas.
Guía recomendada: Comenzar con Wio Terminal.
Instala en tu biblioteca Arduino:
Entrenamiento en Edge Impulse
Paso 1. Regístrate en Edge Impulse
Paso 2. Crea un nuevo proyecto
Conexión del Wio Terminal al sitio web
Paso 3. Descarga el firmware wio-terminal-ei-1.4.0.uf2
Conecta el Wio Terminal a tu PC y presiona dos veces el botón izquierdo inferior. Aparecerá una unidad (por ejemplo, Arduino (F:)
). Arrastra el archivo .uf2
a esta unidad. Cuando desaparezca, significa que el firmware fue programado correctamente.
Paso 4. Haz clic en connect using WebUSB
para vincular el Wio Terminal al sitio.
Cuando veas los campos Device
, Label
y Sensor
, estás listo para adquirir datos.
Adquisición de datos
Paso 5. Ingresa un Label
, la duración
y haz clic en Start sampling
.
Se recomienda tomar más de 10 muestras por clase.
Generación del modelo ML
Paso 6. Tras obtener los datos, ve a Create impulse
, selecciona los bloques de procesamiento y aprendizaje, luego haz clic en Save Impulse
.
Paso 7. Ve a Spectral features
, haz clic en Save parameters
y luego en Generate features
.
Paso 8. En NN Classifier
, haz clic en Start training
para generar el modelo.
Despliegue del modelo
Paso 9. En la sección Deployment
, selecciona Arduino Library
, haz clic en Build
y se descargará una biblioteca en formato zip.
Paso 10. Descarga el código de GitHub, ábrelo con Arduino IDE y reemplaza la biblioteca por la descargada.
Visualización de datos en TheThingsNetwork con LoRa
Requisitos
- Gateway compatible con LoRaWAN
Configuración en TheThingsNetwork
Paso 1. Regístrate en TTN y crea una cuenta. Ve a Go to gateways
.
Paso 2. Haz clic en Add gateway
y completa:
- Owner
- Gateway ID
- Gateway EUI
- Gateway name
- Frecuencia regional (ej. EU868, CN470, etc.)
Paso 3. Agrega una nueva aplicación y luego haz clic en Add end device
Paso 4. En el registro del dispositivo:
- Brand:
Select Sense CAP
- Model:
LoRa-E5
- Region y Frequency plan igual al gateway
- Obtén AppEUI, DevEUI y AppKey cargando el firmware Gateway_Tester.uf2
Paso 5. En Payload formatters
, selecciona Javascript
y agrega:
function Decoder(bytes, port) {
var decoded = {};
if (port === 8) {
decoded.Stop = bytes[1];
decoded.Turn = bytes[3];
decoded.Wave = bytes[5];
}
return decoded;
}
Paso 6. Ve al gateway y haz clic en Live data
para ver los resultados: