Python programlama dili ile sensörlerinizi okumak artık çok kolay! Bu kitap ile sensörlerin nasıl kullanıldığını ve örnek uygulamalarını öğrenin Detaylı anlatımları ve örnekleri ile sensörlerle çalışmanın keyfine varın Başlangıç seviyesindeki programcılar için ideal bir kaynak!

Sensörlerden veri almak için kullanabileceğiniz programlama dillerinden biri de Python'dır. Bu makalemizde, Python programlama dili ile sensörlerinizle nasıl iletişim kurabileceğinizi öğreneceksiniz. Sensörden alınan verileri işleyerek depolayabileceğiniz farklı yöntemler de makalemizin konuları arasındadır. Bu sayede sensörlerinizden alınan verileri farklı projelerinizde kullanabilirsiniz.

Sensörlerin Temel Çalışma Prensibi

Sensörler, çevredeki fiziksel değişiklikleri algılayarak elektriksel sinyallere dönüştüren cihazlardır. Bu sinyaller, bir mikrokontrolcü üzerinden işlenerek istenilen sonuçlar elde edilir. Sensörlerin çalışma prensibi, sensör türüne ve işlevine göre farklılık gösterir.

Bazı sensörler, hareket, basınç, ışık gibi fiziksel değişiklikleri mecra yardımıyla algılar. Mecranın özelliği değiştiğinde, sensördeki elektriksel sinyaller değişir. Bu sinyaller, anlık olarak ölçüm yapan sensörlerde bir işlemci tarafından hemen işlenebilir. Ancak bazı sensörler ise, uzun süreli ölçümler için kullanılır. Bu sensörlerde ölçülen sinyaller, bir bellek üzerinde saklanarak arzu edilen zamanda işlenebilir.

Sensörler, endüstride, tarım sektöründe, sağlık sektöründe ve hatta evlerimizdeki akıllı cihazlarda kullanılır. Sensörlerin temel çalışma prensibini anlamak, sensörlerin özelliklerini anlamak ve farklı uygulamalarda kullanabilmek için önemlidir. Bu makalede, çeşitli sensörlerin örnekleri üzerinden sensörlerin temel çalışma prensibini öğreneceksiniz.

Python'ın Sensörler ile Haberleşmesi Nasıl Sağlanır?

Sensörlerden veri almak için Python programlama dili ile haberleşme sağlamak oldukça kolaydır. Python’da sensörler için kullanabileceğimiz birkaç kütüphane vardır. Bunlar genellikle sensörlerin sahip oldukları protokolleri destekleyen ve okuma ve yazma işlemlerini kolaylaştıran kütüphanelerdir.

Örneğin, Adafruit kütüphanesi ile sensör verilerini okuyabilir ve işleyebiliriz. Bu kütüphane, Raspberry Pi, Beaglebone ve diğer birçok SBC üzerinde kullanılabilir. Ayrıca, GrovePi kütüphanesi de Raspberry Pi üzerinde sensörlerin kullanımını sağlar.

Bunun yanı sıra, çeşitli sensörlerin özel kütüphaneleri de mevcuttur. Örneğin, DS18B20 sensörü için w1thermsensor kütüphanesi kullanılabilir. Bu kütüphane, birden fazla DS18B20 sensörüne aynı anda erişim sağlayabilir ve veri okuma işlemini kolaylaştırabilir.

Python ile sensörlerin iletişimini sağlamak için uygun kütüphaneyi seçmek, veri okuma ve yazma işlemlerini oldukça basitleştirir. Böylece, sensörlerden elde edilen verilerin işlenmesi ve depolanması daha hızlı ve kolay hale gelir.

Adafruit Kütüphanesi

Python programlama dili ile sensörlerinizle haberleşebilmek için birçok kütüphane bulunmaktadır. Bu kütüphaneler ile sensörlerinizle kolaylıkla veri alışverişi yapabilirsiniz. Adafruit kütüphanesi de, sensörlerinizi Python programlama dili ile birlikte kullanabileceğiniz bir kütüphanedir. Bu kütüphane sayesinde, Raspberry Pi, BeagleBone Black, Arduino ve birçok diğer mikrokontrolcü ile sensörlerinizi kontrol edebilirsiniz.

Adafruit kütüphanesi aynı zamanda, sensörlerinizi farklı protokollerle (I2C, SPI, 1-wire, vb.) kullanmanıza izin verir. Bu sayede, diğer kütüphanelere göre daha esnek bir kullanım sağlar. Kütüphane, birçok farklı sensör için önceden yazılmış örnek kodları içerir. Bu örnek kodları kullanarak, sensörleriniz ile etkileşim kurmanız oldukça kolaylaşacaktır.

Ayrıca Adafruit kütüphanesi, birçok farklı programlama dili için yazılmış SDK'lar (Software Development Kit) içerir. Bu sayede, sensörlerinizi Python programlama dili ile birlikte kullanmakla kalmayıp, farklı dillerle de kontrol edebilirsiniz.

Özetle, Adafruit kütüphanesi ile sensörlerinizle daha esnek, daha kolay, örnek kodlar kullanarak iletişim kurabilir, farklı protokollerle kullanabilir, farklı dillerden de kontrol edebilirsiniz.

DS18B20 Sensörü

DS18B20 sensörü, sıcaklık verisini ölçmek için kullanılan bir sensördür. Adafruit kütüphanesi ile birlikte kullanarak Python programlama dili ile veri almak oldukça kolaydır. DS18B20 sensörü, 1-wire protokolü kullanır ve tek çipli bir cihazdır. Bu nedenle, tek bir dijital pin üzerinden iletişim kurabilir.

Öncelikle, gerekli olan malzemeleri hazırlamalısınız. DS18B20 sensörü, bir 4.7K direnç, bir Breadboard ve bir adet Raspberry Pi gerekiyor. 4.7K direnci sensörün VCC pini ve Data pini arasına yerleştirin. Ardından, sensörün VCC pini GPIO4 pinine, Data pini ise GPIO17 pinine bağlayın.

DS18B20 sensörünü kullanarak veri almak için öncelikle Adafruit kütüphanesini Raspberry Pi cihazına yüklemeniz gerekiyor. Bunun için yapmanız gerekenler aşağıdaki gibidir:

• Aşağıdaki komutu kullanarak git programını yükleyin:

  sudo apt-get install git-core

• Gerekli kütüphaneleri yüklemek için aşağıdaki komutları kullanın:

  sudo apt-get update

  ve

  sudo apt-get install python3-pip python3-serial python3-smbus python3-pil

• Arduino IDE yüklemesi yapın:

  sudo apt-get install arduino arduino-core

• Adafruit kütüphanesi yüklemesi yapın:

  sudo pip3 install adafruit-blinka adafruit-circuitpython-ds18b20

Sensörle iletişim kurmak için gerekli olan kod şu şekildedir:

import osimport timeos.system('modprobe w1-gpio')os.system('modprobe w1-therm') temp_sensor = '/sys/bus/w1/devices/28-03168a2e59ff/w1_slave' def temp_raw():    f = open(temp_sensor, 'r')    lines = f.readlines()    f.close()    return lines def read_temp():    lines = temp_raw()    while lines[0].strip()[-3:] != 'YES':        time.sleep(0.2)        lines = temp_raw()    equals_pos = lines[1].find('t=')    if equals_pos != -1:        temp_string = lines[1][equals_pos+2:]        temp_c = float(temp_string) / 1000.0        return temp_c

Bu kodu Python dosyanıza ekleyerek sensörden veri almaya başlayabilirsiniz. Sensörün ölçüm yaptığı sıcaklık değerini okumak için read_temp() fonksiyonunu kullanın. Örneğin, aşağıdaki kod kullanılarak sıcaklık değeri görüntülenebilir:

while True:    print(read_temp())    time.sleep(1)

Bu sayede, DS18B20 sensörü örneği üzerinde Adafruit kütüphanesi kullanarak nasıl veri alabileceğinizi öğrenmiş oldunuz.

MPU6050 Sensörü

MPU6050 sensörü bir yüksek hassasiyetli 6 eksenli ivmeölçer ve gyro sensörüdür. Bu sensör, özellikle robotik ve dronlar gibi proje uygulamalarında sıklıkla kullanılır. MPU6050 sensörü, Adafruit kütüphanesi kullanılarak kolayca Python programlama diliyle etkileşime girebilir.

MPU6050 sensörü verilerini almak için, öncelikle Adafruit kütüphanesinin indirilmesi gerekiyor. Kütüphane yüklendikten sonra, örnek kodun kullanarak MPU6050 sensöründen verileri okuyabilirsiniz.

import Adafruit_GPIO.I2C as I2Cimport time# MPU6050 adresiDEVICE_ADDRESS = 0x68# MPU6050 konfigürasyonuGYRO_CONFIG_REGISTER = 0x1BACCEL_CONFIG_REGISTER = 0x1C# Okuma, yazma ve konfigürasyon işlemleri için I2C bağlantısıi2c = I2C.get_i2c_device(DEVICE_ADDRESS)# İvmeölçer okuma fonksiyonudef oku():    x, y, z = i2c.readS16(0x3B), i2c.readS16(0x3D), i2c.readS16(0x3F)    return (x / 16384.0, y / 16384.0, z / 16384.0)# Gyro okuma fonksiyonudef gyroOku():    x, y, z = i2c.readS16(0x43), i2c.readS16(0x45), i2c.readS16(0x47)    return (x / 131.0, y / 131.0, z / 131.0)# Konfigürasyon için iletişim kurmai2c.write8(GYRO_CONFIG_REGISTER, 0x8) # Dıbr gram 500/si2c.write8(ACCEL_CONFIG_REGISTER, 0x0) # Dıbr gram 2G while True:    ivme = oku()    gyroskop = gyroOku()    print(f"Ivmeölçer: {ivme}, Gyro: {gyroskop}")    time.sleep(0.1)

Yukarıdaki örnekte, import Adafruit_GPIO.I2C as I2C satırı ile Adafruit kütüphanesi projeye dahil ediliyor. get_i2c_device() komutu, sensörün I2C adresine bağlanmayı sağlıyor.

Sonrasında sensörün ivmeölçerinden ve gyroskopundan veri okumak için oku() ve gyroOku() fonksiyonları kullanılır. Bu fonksiyonlar sensörün değerlerini 16-bit olarak okur ve gerekli dönüşümleri yaparak float tipinde geri döndürür.

Son olarak, Python programlama dili ile alınan MPU6050 sensör verileri işlenebilir ve depolanabilir. Artık Python programlama dili kullanarak sensör verilerinizi kullanabilir, analiz edebilir ve işinize yarayacak sonuçlar elde edebilirsiniz.

GrovePi Kütüphanesi

GrovePi kütüphanesi, Raspberry Pi kullanıcıları için tasarlanmış bir kütüphanedir. Bu kütüphane, Grove sensörlerinin Raspbery Pi üzerinde kullanılabilmesini sağlar. GrovePi, Arduino kartlarında kullanılan Grove Shield için bir alternatiftir.

GrovePi kütüphanesi ile birçok çeşit sensör Raspberry Pi üzerinde kullanılabilir. GrovePi ile birlikte gelen sensörler arasında sıcaklık ve nem sensörleri (DHT11, DHT22), ses sensörleri (LM386), ışık sensörleri (LDR), hareket sensörleri (PIR), dokunmatik sensörler (Capacitäve Touch Sensor), ve daha birçok sensör bulunmaktadır.

GrovePi kütüphanesi, sensörlerin Raspbery Pi üzerinde okunabilmesi için USB veya GPIO pinleri kullanılarak bağlantı kurar. GrovePi kütüphanesi kullanarak bir sensörü kullanmak için, öncelikle Raspberry Pi'ye sensörün bağlı olduğu portu belirtmek gerekir. Ardından çeşitli örneklere başvurarak istenen okuma işlemleri gerçekleştirilebilir.

GrovePi kütüphanesi, sensör verilerinin farklı biçimlerde kullanımına olanak sağlar. Alınan veriler analiz edilebilir, grafikler oluşturulabilir ve hatta IoT projeleri için kullanılabilir. Çok yönlü ve kullanımı kolay bir kütüphane olan GrovePi, Raspberry Pi kullanıcıları için vazgeçilmez bir araç haline gelmiştir.

DHT22 Sensörü

DHT22 sensörü, sıcaklık ve nem ölçümleri için kullanılan bir sensördür. Bu sensörü kullanarak sıcaklık ve nem ölçümleri almak için Raspberry Pi ve GrovePi kütüphanesi ile birlikte çalışabilirsiniz. GrovePi kütüphanesi, sensörlerinizi Raspberry Pi üzerinde kullanabilmenizi sağlayan bir kütüphanedir.

DHT22 sensörü kullanarak sıcaklık ve nem ölçümleri almak için, öncelikle sensörü Raspberry Pi'ye bağlamalısınız. Bu işlem için, sensörün VCC pinini 5V'a, GND pinini GND'ye, DATA pinini ise D4 pinine bağlamanız gerekmektedir. Raspberry Pi'yi kullanarak GrovePi kütüphanesi yüklendikten sonra, DHT22 sensörü örneği ile sıcaklık ve nem ölçümleri alabilirsiniz.

Bu örnekte, D4 pinindeki sensör verileri alınmakta ve nem ile sıcaklık değerleri ayrı ayrı değişkenlere atanmaktadır. Bu değerleri daha sonra işlemek ve depolamak için kullanabilirsiniz.

DHT22 sensör örneği ile sıcaklık ve nem ölçümleri almak için kullanılabilecek GrovePi kütüphanesi örneklerini inceleyerek, sensörlerinizi projelerinizde kullanabilirsiniz.

Verileri İşleme ve Depolama

Makalemizde Python kullanarak sensörlerden veri almaya nasıl başlayabileceğimizi öğrendik. Ancak aldığımız verileri sadece gözlemlemekle yetinmeyeceğiz, bunları işleyip daha anlamlı hale getireceğiz. Bunun için öncelikle veri işleme kavramını tanımlamamız gerekiyor.

Veri işleme, aldığımız verileri farklı metodlar kullanarak analiz ederek daha anlamlı hale getirme sürecidir. Bu süreçte verilerimizin temizlenmesi, önişleme adımlarının yapılması, modelleme ve sonuçların yorumlanması gibi farklı adımlar izlenebilir.

Örneğin, aldığımız sensör verilerinin sadece sıcaklık biriminden ibaret olduğunu düşünelim. Bu verileri daha anlamlı hale getirmek için birim dönüşümleri yaparak farklı ölçeklerde göstermek, veriler arasındaki ilişkileri analiz etmek gibi adımlar izleyebiliriz.

Aldığımız verileri işledikten sonra artık bu verileri depolamamız gerekiyor. Verileri depolamak için birden fazla yöntem bulunuyor. Verilerin depolanma yöntemi, verilerin kullanım amacına ve büyüklüğüne göre değişebiliyor.

Örneğin küçük çaplı bir proje için aldığımız verileri CSV dosyasına kaydetmek yeterli olabilirken, büyük veri projelerinde SQL veya NoSQL veritabanları kullanılması gerekebilir.

Verilerin işlemesinin yanı sıra depolanması da önemli bir adımdır. Aldığımız verilerin doğru bir şekilde depolanması, ileride yapacağımız analiz adımlarında verilerin işlenebilirliğini arttıracaktır.

Şimdi vereceğimiz örnekler ile aldığımız verilerin nasıl işlenebileceğini ve depolanabileceğini öğreneceksiniz.

Verileri İşleme

Alınan sensör verilerinin işlenebilmesi için öncelikle veri tiplerine hakim olunması gerekmektedir. Özellikle sayısal verilerin doğru bir şekilde yorumlanması için veri tiplerinin belirlenmesi oldukça önemlidir. İşlem kelime anlamı olarak bir şeyi yeni bir şekle dönüştürmek veya bir sonuca ulaştırmak anlamlarına gelmektedir. Bu nedenle alınan sensör verileri de belirli işlemlerden geçirilerek yeni bir forma dönüştürülebilir veya anlamlı sonuçlara ulaştırılabilir.

Bir örnek vermek gerekirse, DS18B20 sensöründen alınan sıcaklık verileri sayısal bir değer olarak elde edilmektedir. Ancak bu değer, sıcaklık birimi, çözünürlük vb. faktörler de göz önüne alınarak doğru bir şekilde yorumlanmalıdır. Bu noktada Python programlama dili işinizi oldukça kolaylaştırmaktadır. Sensör verilerinin işlenebilmesi için çeşitli matematiksel işlemler veya fonksiyonlar kullanılabilir. Örneğin, aldığımız sıcaklık verilerini Fahrenheit veya Kelvin gibi farklı birimlere çevirebiliriz.

Bunun yanı sıra, aldığımız veriyi grafiksel veya görsel bir formata dönüştürmek de mümkündür. Bu sayede verilerin daha anlaşılır ve etkileyici bir hale gelmesi sağlanabilir. Grafikler, tablolar veya infografikler kullanarak, aldığımız verilerin analiz edilmesi veya sonuçlarının paylaşılması daha kolay ve anlaşılır hale getirilebilir. Ayrıca Python ile işlem yapmak için gerekli olan diğer kütüphanelerle de ayrıntılı bir şekilde ilgilenmeniz gerekebilir.

DS18B20 Sensörü Veri İşleme Örneği

DS18B20 sensöründen alınan verilerin işlenmesi oldukça basittir. Öncelikle, sensörden aldığınız ölçüm verileri sıcaklık değerleridir. Bu değerleri işlemek için Python'daki math kütüphanesini kullanabilirsiniz. Örneğin, aldığınız sıcaklık değerlerinin ortalamasını hesaplamak istediğinizi varsayalım:

import math

temperatures = [22, 23, 21, 24, 20]

avg_temperature = sum(temperatures) / len(temperatures)

print("Ortalama sıcaklık değeri:", avg_temperature)

Bu kodu çalıştırarak, aldığınız sıcaklık değerlerinin ortalamasını kolayca hesaplayabilirsiniz. Benzer şekilde, sıcaklık değerlerinin minimum ve maksimum değerlerini hesaplayabilirsiniz:

import math

temperatures = [22, 23, 21, 24, 20]

min_temperature = min(temperatures)

max_temperature = max(temperatures)

print("Minimum sıcaklık değeri:", min_temperature)

print("Maksimum sıcaklık değeri:", max_temperature)

Alınan sıcaklık değerlerini ancak sıcaklıkla ilgili kararlar almak için kullanabilirsiniz. Örneğin, alınan sıcaklık değerlerinin belli bir değerin üzerine çıkması durumunda bir uyarı mesajı göndermek isterseniz:

import math

threshold = 23

temperatures = [22, 23, 21, 24, 20]

for temperature in temperatures:

if temperature > threshold:

print("UYARI! Sıcaklık değeri", temperature, "derece. Eşik değeri", threshold, "derece aşıldı!")

Bu basit örneklerde olduğu gibi, Python ile verilerin işlenmesi oldukça kolay ve basittir. Bu sayede aldığınız algılayıcı verileri ile ilgili olarak hızlı ve doğru kararlar alabilirsiniz.

Verilerin Depolanması

Bir veri toplama işlemi yapan herkes aldığı verileri kaydetmek ve gelecekte kullanabilmek için bir depolama yöntemi belirlemelidir. Alınan verilerin depolanabileceği birden fazla seçenek mevcuttur:

• CSV dosyaları: CSV dosyaları, sütunlar halinde ayrılmış verilerin bir dizi metin dosyasıdır. Bu dosyalar, Microsoft Excel veya benzeri bir program kullanılarak kolayca okunabilir. CSV dosyaları, hafızayı boşaltmak için kullanılabilir ve önemli verilerin daha büyük bir veritabanına taşınmasına yardımcı olabilir.
• Veritabanları: Veritabanları, büyük miktardaki verilerin depolanmasını sağlayan özel bir yazılımdır. Python, dünyanın en popüler veritabanı yönetimi sistemlerinden biri olan SQLite'ı destekler. SQLite, hızlı, güvenilir ve taşınabilir bir veritabanıdır ve birçok farklı veri tipleriyle çalışabilir.

Örneğin, DS18B20 sensöründen alınan sıcaklık verileri depolanmak istendiğinde, bu veriler bir CSV dosyasına veya SQLite veritabanına kaydedilebilir.

Verilerin CSV Dosyasına Kaydedilmesi

Verilerin kaydedileceği formatlardan biri de CSV dosyasıdır. CSV (Comma Separated Values) dosyaları, virgülle ayrılmış veriler içeren dosyalardır ve Excel gibi programlarda kolayca açılıp düzenlenebilir.

CSV dosyası oluşturmak için csv adlı kütüphaneyi kullanabilirsiniz. Bu kütüphane, verileri CSV formatında kolayca kaydetmenizi sağlar. Kullanımı oldukça basittir. İlk olarak CSV modülü projenize dahil edilmelidir. Ardından verilerinizi bir liste veya demet halinde açıklamanız gerekmektedir. Bu liste veya demeti kullanarak writerow() yöntemi ile verileri CSV dosyasına yazabilirsiniz.

    import csv    data = [('Ahmet', 42), ('Mehmet', 35), ('Ayşe', 25)]    with open('veriler.csv', 'w', newline='') as file:        writer = csv.writer(file)        writer.writerow(["İsim", "Yaş"])        writer.writerows(data)

Yukarıdaki örnekte csv kütüphanesi projeye dahil edilerek data adlı bir liste tanımlandı. Daha sonra open() fonksiyonu ile 'veriler.csv' adlı bir CSV dosyası oluşturuldu ve writer adlı bir obje oluşturuldu. writerow() yöntemi ile başlık satırı ve veriler CSV dosyasına yazıldı.

Elde ettiğiniz verilerinizi CSV dosyasına yazarken, birkaç konuya özen göstermeniz gerekmekte. CSV dosyanızın karakter kodlaması utf-8 olmalıdır. Öte yandan 'newline='' parametresi ile herhangi bir satır atlamadan verilerinizin dosyaya yazılmasını sağlayabilirsiniz.

Verilerin SQLite Veritabanına Kaydedilmesi

Alınan sensör verilerinin depolanması için farklı yöntemler kullanılabilir. Bunlardan biri de SQLite veritabanı kullanmaktır. SQLite, hafif bir veritabanı yönetim sistemidir ve birçok programlama dili tarafından desteklenir.

İlk önce, verilerin hangi tabloya kaydedileceği belirlenir. Tablo, verilerin tutulduğu yapılardan biridir. Tablonun sütunları, verilerin türüne ve boyutuna göre belirlenir. Örneğin, bir sıcaklık sensöründen alınan verilerin tablosunda sütunlar; zaman damgası, sıcaklık değeri ve sıcaklık birimi olabilir.

Sonraki adım, SQLite veritabanı dosyasının oluşturulmasıdır. Bu dosya, verilerin depolanacağı yerdir. Burada, Python'ın SQLite kütüphanesi kullanılabilir. Kütüphane, veritabanına bağlanmayı, sorgu çalıştırmayı ve kayıt ekleme, silme gibi işlemleri gerçekleştirmeyi sağlar.

Bir örnek üzerinden ilerlemek gerekirse, önce veritabanına bağlanmak gerekir. Aşağıdaki kodlar, oluşturulan veritabanına bağlanmayı göstermektedir:

import sqlite3# Veritabanına bağlantıconn = sqlite3.connect('ornek_veritabani.db')c = conn.cursor()

Bağlantı oluşturulduktan sonra, veri ekleme işlemi gerçekleştirilebilir. Aşağıdaki kod örneği, 'sicaklik' adlı bir tabloya, zamana ve sıcaklık değerine sahip yeni bir kayıt eklemesini göstermektedir:

# Yeni kayıt eklemezaman = '2022-11-24 12:30:00'sicaklik_degeri = 25.5c.execute("INSERT INTO sicaklik (zaman, deger) VALUES (?, ?)",          (zaman, sicaklik_degeri))# Değişiklikleri kaydetconn.commit()

Bu örnek, özelleştirilebilir ve farklı verilerin eklenmesi için kullanılabilir. Veritabanı dosyası, kaydedilen verileri depolayacak ve daha sonra veri analizi veya raporlama işlemleri için kullanılabilir.