想象一下，你是一家智能農業公司，使用物聯網傳感器幫助農民優化作物產量。你們出售各種傳感器，可以監測農田中的土壤濕度、溫度、濕度和光照水平。

為了幫助農民充分利用他們的資源，你需要建立一個集中的系統。該系統收集來自所有田地的傳感器數據，并提供對作物健康和生長的實時監測。有了這些數據，農民可以在知情的情況下決定何時灌溉、施肥和收割作物。

使用Neo4j，一種圖形數據庫技術，可以成為從收集的數據中釋放有價值監測的關鍵。它還使智能農業系統能夠充分發揮其潛力。

(資料圖片)

在這篇博客文章中，我們探討了如何使用Neo4j來構建一個強大的智能農業系統。我們首先討論什么是Neo4j，以及為什么它是存儲和查詢復雜、互連數據的理想選擇。然后，我們深入研究Neo4j在智能農業中的具體用例，例如識別作物模式、預測作物產量和優化資源利用。最后，我們將逐步介紹如何構建基于Neo4j的智能農業系統，幫助農民做出更好的決策，提高作物產量。

架構

硬件組件

軟件組件

Jetson Nano開發套件SD卡固件：

https://developer.nvidia.com/embedded/l4t/r32_release_v7.1/jp_4.6.1_b110_sd_card/jeston_nano/jetson-nano-jp461-sd-card-image.zip

etcher：https://www.balena.io/etcher/

desktop Docker：

https://www.docker.com/products/docker-desktop/

Neo4j Aura數據庫實例：

https://neo4j.com/cloud/platform/aura-graph-database

步驟1：為操作系統安裝準備Jetson Nano SD卡映像

要將Jetson Nano SD卡映像閃存到SD卡，您可以按照以下步驟操作：

. 從NVIDIA（https://developer.nvidia.com/embedded/downloads）下載Jetson Nano SD卡映像。

. 將SD卡插入計算機的SD卡讀卡器。

. 從下載并安裝Etcher軟件https://www.balena.io/etcher/.

. 打開Etcher并選擇要閃存的Jetson Nano SD卡映像文件。

. 解壓縮從下載的SD卡映像https://developer.nvidia.com/embedded/downloads

. 選擇SD卡驅動器作為下載目標。

. 點擊“燒錄！”開始燒錄進程。

步驟2：連接傳感器

Seeed Studio的BME680傳感器是一款緊湊型環境傳感器，專為移動應用和可穿戴設備設計。它可以高精度測量溫度、壓力、濕度和室內空氣質量，并且設計為功耗非常低。該傳感器與流行的微控制器平臺兼容，如樹莓派和Arduino，使其易于集成到項目中。

Grove Base Hat是一款40針Grove附加板，旨在與樹莓派板兼容。然而，通過將其連接到適當的GPIO引腳，它也可以與NVIDIA Jetson Nano一起使用。它有15個Grove連接器，包括6個數字、4個模擬、3個I2C、1個UART和1個PWM。

該硬件模塊提供了一種將Grove傳感器和執行器連接到Jetson Nano的簡單方便的方法。它支持各種Grove模塊，如溫度、濕度、光線和聲音傳感器，以及電機和顯示器等執行器。

要將Grove Base Hat連接到Jetson Nano，您必須連接以下引腳：

. Jetson Nano上的VCC至3.3V引腳

. Jetson Nano上的GND到GND引腳

. SDA至Jetson Nano的引腳3（SDA1）

. SCL至Jetson Nano的引腳5（SCL1）

一旦您將Grove Base Hat連接到Jetson Nano，您就可以開始在Jetson Nano項目中使用Grove傳感器和執行器。將傳感器連接到Grove后，建議使用i2cdetect命令運行I2C檢測，以驗證您是否看到設備：在我們的情況下，它顯示76。請注意，傳感器使用I2C或SPI通信協議與微控制器進行通信。

$ i2cdetect -r -y 1     0  1  2  3  4  5  6  7  8  9  a  b  c  d  e  f00:          -- -- -- -- -- -- -- -- -- -- -- -- -- 10: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 20: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 30: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 40: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 50: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 60: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- 70: -- -- -- -- -- -- 76 --

步驟3：編寫Python代碼以獲取傳感器值

以下是從BME680傳感器獲取傳感器值的Python腳本：

from bme680 import BME680# Initialize BME680 sensor objectsensor = BME680()# Check sensor is connectedif not sensor.begin():    print("Failed to initialize BME680 sensor.")    exit()# Read and print sensor valueswhile True:    if sensor.get_sensor_data():        temperature = round(sensor.data.temperature, 2)        humidity = round(sensor.data.humidity, 2)        pressure = round(sensor.data.pressure, 2)        gas_resistance = round(sensor.data.gas_resistance, 2)        print("Temperature: {} C".format(temperature))        print("Humidity: {} %".format(humidity))        print("Pressure: {} hPa".format(pressure))        print("Gas Resistance: {} Ohms".format(gas_resistance))    else:        print("Error reading BME680 sensor data.")    time.sleep(1)

from bme680 import bme680語句導入bme680傳感器庫，該庫提供了從傳感器讀取環境數據的接口。傳感器變量初始化BME680傳感器對象。if not sensor.begin（）：語句檢查傳感器是否正確連接和初始化。如果初始化失敗，代碼將退出并打印一條錯誤消息。

代碼的主循環重復讀取BME680傳感器的傳感器數據，并將值打印到控制臺。time.sleep（1）語句在循環的每次迭代之間暫停代碼執行1秒。

此腳本使用BME680庫從連接到運行腳本的系統的BME680傳感器讀取溫度、濕度、壓力和氣體電阻值。結果以循環方式打印到控制臺，每次讀取之間有1秒的延遲。

假設BME680傳感器已連接并正常工作，則輸出如下所示：

溫度：26.68攝氏度

濕度：41.35%

壓力：1008.6 hPa

氣體電阻：3110.63歐姆

溫度、濕度和壓力值分別以攝氏度、百分比和百帕斯卡為單位，使用round（）函數四舍五入到小數點后兩位。氣體電阻值以歐姆為單位，也可以四舍五入到小數點后兩位。

如果讀取BME680傳感器數據時出錯，腳本將在控制臺上打印消息“讀取BME680sensor data時出錯”

步驟4：編寫Python程序，將BME680傳感器值發送到Neo4j圖形數據庫

現在是時候編寫Python代碼，使用Neo4j驅動程序和BME680環境傳感器建立與Neo4j Graph數據庫的連接了。

from neo4j import GraphDatabasefrom bme680 import BME680import time # Set up the Neo4j driveruri = "neo4j+s://41275b2a.databases.neo4j.io"driver = GraphDatabase.driver(uri, auth=("neo4j", "3DXXXXXXXXXXXXXXXaM")) # Set up the BME680 sensorsensor = BME680() # Define a function to create a sensor reading node in Neo4jdef create_sensor_reading(tx, temperature, humidity, pressure, gas):    tx.run("CREATE (:SensorReading {temperature: $temperature, humidity: $humidity, pressure: $pressure, gas: $gas, timestamp: $timestamp})",           temperature=temperature, humidity=humidity, pressure=pressure, gas=gas, timestamp=int(time.time())) # Generate and insert sensor readings into Neo4j every 5 secondswhile True:    if sensor.get_sensor_data():        temperature = round(sensor.data.temperature, 2)        humidity = round(sensor.data.humidity, 2)        pressure = round(sensor.data.pressure, 2)        gas = round(sensor.data.gas_resistance, 2)         with driver.session() as session:            session.write_transaction(create_sensor_reading, temperature, humidity, pressure, gas)            print(f"Inserted sensor reading - temperature: {temperature}, humidity: {humidity}, pressure: {pressure}, gas: {gas}")    else:        print("Error reading BME680 sensor data.")     time.sleep(5)

此Python代碼使用Neo4j驅動程序和BME680環境傳感器建立與Neo4j圖形數據庫的連接。然后，它定義了一個函數，在圖形數據庫中創建一個傳感器讀取節點，其中包含當前的溫度、濕度、壓力、氣體阻力和時間戳。代碼的主循環每5秒重復生成一次傳感器讀數，并使用定義的函數將其插入圖形數據庫。

from neo4j import GraphDatabase語句導入neo4j驅動程序，該驅動程序允許Python代碼與neo4j數據庫交互。from bme680 import bme680語句導入bme680傳感器庫，該庫提供了從傳感器讀取環境數據的接口。

uri變量指定Neo4j數據庫的位置和訪問該數據庫的憑據。驅動程序變量使用指定的uri和憑據初始化Neo4j驅動程序。

傳感器變量初始化BME680傳感器對象。create_sensor_reading函數接收Neo4j事務對象（tx）和當前傳感器讀數（溫度、濕度、壓力、氣體和時間戳）。然后使用給定的設備在圖形數據庫中創建一個新節點。

代碼的主循環重復讀取BME680傳感器的傳感器數據，并使用Neo4j事務將讀數插入圖形數據庫。time.sleep（5）語句在循環的每次迭代之間暫停代碼的執行5秒

步驟5：導入Neo4j Python模塊

gitclonehttps://github.com/collabnix/bme680-jetson-neo4jcd bme680-jetson-neo4j

導入Neo4j Python模塊

您可以使用pip為Python安裝Neo4j驅動程序：

pip install neo4jpython3sensorloader.py

結果

Inserted sensor reading - temperature: 26.68, humidity: 41.35, pressure: 1008.6, gas: 3110.63Inserted sensor reading - temperature: 12.42, humidity: 49.71, pressure: 1149.34, gas: 4815.11Inserted sensor reading - temperature: 27.73, humidity: 77.2, pressure: 1081.24, gas: 4737.95Inserted sensor reading - temperature: 19.22, humidity: 50.17, pressure: 958.73, gas: 516.57

步驟6：設置Neo4j Docker擴展

Neo4j Aura是Neo4j提供的一種完全托管的云數據庫服務。它是一個數據庫即服務（DBaaS）產品，允許您在云中創建、部署和管理自己的圖形數據庫。這就不必擔心底層基礎設施和維護任務。假設您已經安裝并配置了Neo4j Aura DB連接UI，下一步將安裝Neo4j Docker Desktop。

打開Docker Dashboard>Extensions>安裝Neo4j Docker Extension。

要允許Neo4 Docker Extension連接到遠程Neo4j Aura DB，您必須提供連接URL、身份驗證類型和憑據。一旦成功，您應該能夠開始運行密碼查詢。

步驟7：測量氣體濃度

BME680傳感器測量幾種不同氣體的濃度，包括揮發性有機化合物（VOC）、一氧化碳（CO）和二氧化氮（NO2）。這是除了測量溫度、濕度和壓力之外的。要從傳感器中獲取這些氣體的濃度，可以使用BME680類的get_sensor_data（）方法。這將返回一個包含最新傳感器讀數的BME680Data對象。然后，您可以使用以下屬性訪問BME680Data對象中的氣體濃度值：

. gas_reresistance：氣體傳感器的電阻，單位為歐姆，與空氣中揮發性有機物的濃度有關。

. gas（List）：不同氣體的濃度，單位為百萬分之一（ppm），包括CO和NO2。

from neo4j import GraphDatabaseimport timeimport bme680

# Set up the Neo4j driveruri = "neo4j+s://your-neo4j-instance-url-here"driver = GraphDatabase.driver(uri, auth=("neo4j", "your-neo4j-instance-password-here"))

# Set up the BME680 sensorsensor = bme680.BME680(bme680.I2C_ADDR_PRIMARY)

# Define a function to create a CO2 reading node in Neo4jdef create_co2_reading(tx, co2_concentration):    tx.run("CREATE (:CO2Reading {concentration: $concentration, timestamp: $timestamp})",           concentration=co2_concentration, timestamp=int(time.time()))

# Wait for the sensor to warmupprint("Warming up sensor...")sensor.set_gas_status(bme680.ENABLE_GAS_MEAS)time.sleep(300)

# Start retrieving CO2 concentration data and inserting it into Neo4jprint("Starting CO2 data collection...")while True:    if sensor.get_sensor_data():        co2_concentration = round(sensor.data.gas_resistance / 10, 2)        with driver.session() as session:            session.write_transaction(create_co2_reading, co2_concentration)            print(f"Inserted CO2 reading - concentration: {co2_concentration}")    else:        print("Error retrieving sensor data")    time.sleep(60)

執行腳本

python3 sensorloader_co2.py

結果

Warming up sensor... (takes 4-5 minutes)Starting CO2 data collection...Inserted CO2 reading - concentration: 1294686.

與典型的室內二氧化碳水平相比，1294686.06ppm（百萬分之一）的二氧化碳濃度相當高。在通風良好的室內環境中，二氧化碳濃度應在400-1000ppm左右。二氧化碳含量超過1000ppm會導致嗜睡、頭痛和其他癥狀，而超過5000ppm會對健康造成嚴重影響，在極端情況下甚至死亡。

然而，對二氧化碳水平的解釋取決于測量的背景和環境。例如，在一些工業環境中，如啤酒廠或溫室，出于特定目的，CO2水平可能會故意升高。同樣重要的是要考慮可能影響室內空氣質量的其他因素，如濕度、通風和其他污染物的存在。

步驟8：對BME680傳感器建模

以下是如何在Neo4j中對BME680傳感器及其讀數進行建模的示例。首先，您將創建一個“傳感器”節點來表示您的BME680傳感器。此節點可能具有“名稱”和“制造商”等屬性，以及您要存儲的有關傳感器的任何其他信息。

CREATE (:Sensor {name: "BME680", manufacturer: "Bosch"})

接下來，您將創建一個“時間戳”節點來表示讀取的特定時間點。此節點可能有一個“時間戳”屬性，用于存儲讀取的日期和時間。

CREATE (:Timestamp {timestamp: datetime()})

然后，您將在Sensor節點和Timestamp節點之間創建一個“READS”關系?！皽囟取薄ⅰ皦毫Α?、“濕度”等財產表示當時從傳感器讀取的值。例如，要創建溫度為25攝氏度、壓力為1000hPa、濕度為50%的讀數，可以使用以下查詢：

MATCH (s:Sensor {name: "BME680"}), (t:Timestamp)CREATE (s)-[:READS {temperature: 37.0, pressure: 1168.83, humidity: 37.23}]->(t)

此查詢在傳感器節點和時間戳節點之間創建“READS”關系。溫度、壓力和濕度的財產分別設置為25、1000和50。然后，您可以使用Cypher查詢來：

. 從數據庫中檢索讀數；

. 根據時間范圍或傳感器類型等標準對其進行篩選，以及

. 使用Neo4j Bloom等工具或其他可視化工具以各種方式可視化數據

步驟9：將其繪制到Grafana儀表板

Neo4j為Grafana提供了一個數據源插件，允許您直接在Grafana儀表板內可視化和分析存儲在Neo4j圖形數據庫中的數據。要使用Neo4j數據源插件，您必須從Grafana插件庫安裝該插件。安裝插件后，您可以通過指定數據庫URL、用戶名和密碼將其配置為連接到Neo4j數據庫。一旦配置了數據源，就可以使用Neo4j查詢語言Cypher創建可視化。Cypher是一種功能強大的圖形查詢語言，允許您遍歷和操作存儲在Neo4j數據庫中的圖形數據。

您可以在幾秒鐘內在Docker Desktop上打開Grafana來使用Grafana Docker擴展。訪問Grafana儀表板并使用默認的admin/admin作為用戶名/密碼登錄。

登錄后，單擊“設置”>“數據源”>“插件”，然后搜索Neo4j數據源

安裝Grafana數據源。

提供Neo4j Aura實例的連接URL、用戶名和密碼，然后連接。

Grafana使用Neo4j數據源插件的好處包括：

. 能夠在用戶友好的界面中可視化和分析復雜的圖形數據。

. 與Grafana中提供的各種其他數據源和插件集成。

. 具有動態、交互式可視化功能的可定制儀表板。

. 支持基于Neo4j數據庫事件的實時數據流和警報。

一旦連接到遠程Neo4j Aura數據庫，就應該能夠對傳感器數據運行密碼查詢。

MATCH (sr:SensorReading)WHERE sr.timestamp >= $timeFrom AND sr.timestamp <= $timeToRETURN sr.timestamp as time, sr.temperature as temp, sr.humidity as hum, sr.pressure as press, sr.gas as gas_resORDER BY sr.timestamp ASC

查詢使用MATCH子句指定節點標簽，并指定一個變量sr來表示具有該標簽的節點。WHERE子句使用變量$timeFrom和$timeTo指定一系列時間戳。RETURN子句指定每個傳感器讀數要返回的財產。ORDER BY子句按時間戳升序對結果進行排序。

最后，您應該能夠創建所有四個儀表板——溫度、壓力、濕度和氣體阻力，如下所示：

結論

圖形數據庫能夠高效查詢復雜且相互關聯的數據，使其成為數據往往相互關聯的環境監測應用程序的理想選擇。這與農業尤其相關，因為農業需要這些數據來提高作物產量。

在這個博客中，我們討論了如何使用Python將BME680環境傳感器與Neo4j圖形數據庫接口。BME680傳感器能夠測量溫度、濕度、壓力和氣體阻力。這使其成為環境監測應用的理想傳感器，可以改善農業行業的決策。

Ajeet S Raina是Docker的開發者倡導者，也是Arm開發者計劃的大使。

關鍵詞：