با Hibouair با استفاده از Bleuio: تجزیه و تحلیل کیفیت هوای هوشمند با Google Technologies گپ بزنید

کیفیت هوای داخلی برای حفظ یک محیط زندگی سالم و کار بسیار مهم است. Hibouair یک دستگاه قدرتمند نظارت بر کیفیت هوا است که داده های زمان واقعی را در سطح CO2 ، دما ، رطوبت و فشار هوا فراهم می کند.

این پروژه نشان می دهد که چگونه Bleuio ارتباط با Hibouair را امکان پذیر می کند ، اجازه می دهد تا داده های زیست محیطی در زمان واقعی بازیابی شود ، در حالی که مدل GEMMA Google پردازش و تجزیه و تحلیل داده ها برای ارائه پاسخ های معنی دار و آسان برای درک از طریق رابط گپ است.

کاربران می توانند با دستیار هوشمند Hibouair تعامل داشته باشند و از آنها سؤال کنند:

• “دمای اتاق من چیست؟”
• “سطح رطوبت چیست؟”
• “کیفیت هوا در اتاق من چگونه است؟”

سیستم بازیابی می شود داده های سنسور در زمان واقعی از Hibouair و توصیه های متنی را بر اساس شرایط محیطی ارائه می دهد.

با استفاده از اعمال مدل Gemma سبک وزن گوگل، این پروژه ، تجزیه و تحلیل کارآمد و هوشمندانه از داده های کیفیت هوا را تضمین می کند ، و آن را برای برنامه های مختلف ، از خانه های هوشمند گرفته تا تحقیق ، در دسترس قرار می دهد.

ویژگی های این پروژه

• CO2 زنده ، دما ، رطوبت و نظارت بر فشار
• تجزیه و تحلیل Google برای بینش های معنی دار
• رابط چت مکالمه (“گپ با Hibouair”)
• کاملاً محلی – بدون نیاز به اینترنت
• پردازش سبک و کارآمد با Gemma

راهنمای گام به گام: چگونه کار می کند

نرم افزار مورد نیاز را نصب کنید

ما نیاز داریم:

• پلاستیک برای ارتباط بلوتوث.
• اولاما برای اجرای مدل GEMMA Google به صورت محلی.
• هیبویر برای نظارت بر کیفیت هوا
• سنگ برای تجزیه و تحلیل داده های کارآمد و پاسخ های معنی دار.

وابستگی های پایتون را نصب کنید

pip install flask bleuio

نصب اولاما (برای پردازش محلی)

برای مک/لینوکس:

curl -fsSL https://ollama.com/install.sh | sh

برای ویندوز، آن را از سایت رسمی Ollama بارگیری کنید.

مدل Gemma Google را نصب کنید

ollama pull gemma

چرا Gemma؟ گزینه های دیگر چیست؟

برای این پروژه ، ما Gemma ، سبک وزن* را انتخاب کردیم، مدل منبع باز که توسط Google تهیه شده است*، زیرا با اکوسیستم Google هماهنگ است و بینش های کارآمد و واقعی را برای داده های زیست محیطی فراهم می کند.

چرا از Gemma Google استفاده می کنیم؟

• برای کارآیی بهینه شده است -بدون نیاز به منابع ابری ، در دستگاه های کم مصرف خوب اجرا می شود.
• منبع باز و منبع باز -توسعه یافته توسط Google DeepMind ، اطمینان از عملکرد با کیفیت بالا با شفافیت کامل.
• بدون هزینه API و کاملاً محلی -نیازی به اتصال به اینترنت یا API های پرداخت شده نیست و آن را به یک راه حل مقرون به صرفه تبدیل می کند.
• برای پاسخ های معنی دار طراحی شده است -داده های کیفیت هوا در زمان واقعی را پردازش می کند و بازخورد بین المللی و ساختاری را ارائه می دهد.

سایر گزینه های مدل

• PHI-2 – حتی سبک تر اما فاقد درک دقیق متنی است.
• llama3 – قدرتمندتر اما به منابع محاسباتی بیشتری نیاز دارد.
• غلط – قبلاً مورد استفاده ، کارآمد ، اما بخشی از اکوسیستم Google نیست.

اتصال Hibouair از طریق بلوتوث (Bleuio)

Hibouair به طور مداوم CO2 ، دما ، رطوبت و فشار را از طریق بلوتوث پخش می کند. ما از Bleuio برای اسکن و بازیابی این مقادیر در زمان واقعی استفاده می کنیم.

تنظیم رابط چت

کاربران می توانند سؤالاتی مانند:

• “دما چیست؟”
• “سطح CO2 من چقدر است؟”
• “کیفیت هوا چگونه است؟”

این سیستم داده های سنسور زمان واقعی را از Hibouair واکشی می کند و تجزیه و تحلیل و توصیه های Google را ارائه می دهد.

app.py (پس زمینه)

• این فیلمنامه:
• اسکن برای داده های hibouair
• عصاره CO2 ، دما ، رطوبت و فشار
• از مدل GEMMA Google برای پاسخ های هوشمند استفاده می کند
• رابط چت را از طریق فلاسک سرو می کند

def chat():
    """Handles user input, fetches air quality data if needed, and returns response."""
    user_input = request.json.get("message", "").lower()

    with Manager() as manager:
        air_data = manager.dict({"co2": 0, "pressure": 0, "temperature": 0, "humidity": 0})
        process = Process(target=scan_for_air_quality_process, args=(air_data,))
        process.start()
        process.join()

        # Check for specific sensor queries
        if "temperature" in user_input:
            if air_data["temperature"] > 0:
                response = f"The current temperature in your room is {air_data['temperature']}°C."
            else:
                response = "⚠️ Unable to retrieve temperature data. Ensure HibouAir is in range."
            return jsonify({"response": response})

        elif "humidity" in user_input:
            if air_data["humidity"] > 0:
                response = f"The current humidity level in your room is {air_data['humidity']}%."
            else:
                response = "⚠️ Unable to retrieve humidity data. Ensure HibouAir is in range."
            return jsonify({"response": response})

        elif "pressure" in user_input:
            if air_data["pressure"] > 0:
                response = f"The current air pressure in your room is {air_data['pressure']} hPa."
            else:
                response = "⚠️ Unable to retrieve air pressure data. Ensure HibouAir is in range."
            return jsonify({"response": response})
        elif "co2" in user_input:
            if air_data["co2"] > 0:
                response = f"The current CO2 in your room is {air_data['co2']} ppm."
            else:
                response = "⚠️ Unable to retrieve co2 data. Ensure HibouAir is in range."
            return jsonify({"response": response})

        elif "air quality" in user_input :
            if air_data["co2"] > 0:
                prompt = (
                    f"The current air quality readings are:\n"
                    f"- CO2 Level: {air_data['co2']} ppm\n"
                    f"- Temperature: {air_data['temperature']}°C\n"
                    f"- Humidity: {air_data['humidity']}%\n"
                    f"- Pressure: {air_data['pressure']} hPa\n"
                    f"First give all the data. This is my room data. Give me short analysis on this data. and give me short suggestions "
                )
            else:
                return jsonify({"response": "⚠️ Unable to retrieve air quality data. Ensure HibouAir is in range and try again."})
        else:
            # Normal response for non-air quality queries
            prompt = user_input

    ai_response = subprocess.run(
        ["ollama", "run", "gemma", prompt],
        capture_output=True,
        text=True
    ).stdout.strip()

    return jsonify({"response": ai_response})

کد منبع کامل را از GitHub دریافت کنید

index.html (Frontend – رابط چت)

        
        

          

            

              HibouAir: Ask me about air quality!
            
          
        
      

پاسخ های مورد انتظار

شما: “سطح CO2 من چقدر است؟”

hibouair: “سطح فعلی CO2 850 ppm است.”

شما: “کیفیت هوا در اتاق من چیست؟”

hibouair:

CO2 Level: 850 ppm  
Temperature: 24°C  
Humidity: 55%  
Pressure: 1010 hPa  
Based on these readings, the air quality is good.

با استفاده از رابط چت

رابط وب به کاربران این امکان را می دهد تا در مورد مقادیر خاص مانند دما ، رطوبت ، فشار ، CO2 یا کیفیت کلی هوا سؤال کنند.

خروجی

کد منبع را دریافت کنید

این پروژه منبع باز است! می توانید به کد کامل دسترسی پیدا کرده و آن را برای نیازهای خود تغییر دهید.

👉 [GitHub Repository]

این پروژه نشان می دهد که چگونه Hibouair و Bleuio می توانند برای ارائه یکپارچه شوند تجزیه و تحلیل کیفیت هوا در زمان واقعی به روشی که درک آن آسان باشد. به جای اینکه کاربران را به تفسیر داده های سنسور خام نیاز داشته باشد ، رابط چت مقادیر پیچیده کیفیت هوا را به بینش های واضح و معنی دار ترجمه می کند. با استفاده از مدل Gemma Google ، پاسخ های ساده و عملی را ارائه می دهد – به کاربران کمک می کند که کیفیت هوای داخلی آنها را بدون نیاز به متخصص بودن درک کند.