物联网应用设计与实战：基于AVR单片机和Python

　　《物联网应用设计与实战：基于AVR单片机和Python》作为物联网应用设计的实用入门书籍，并不需要读者掌握复杂的电路知识。在硬件方面使用通用性强且适合新手入门的AVR单片机，在编程方面使用适合初学者的Python。该书在物联网设备上运行的Pvthon代码的关键部分都配有注解，方便读者掌握内部程序的运作原理，从而深入理解物联网的相关概念。该书的内容不仅涵盖物联网，还涉及了深度学习、机器学习、图像处理以及云存储的实践，帮助读者在物联网设备上实现这些热门技术，掌握如何在实践中实现物联网与这些技术的衔接。《物联网应用设计与实战：基于AVR单片机和Python》鼓励读者使用开源代码以及Github上的资源，快速运行相关的硬件和程序，获得即时的学习反馈并保持学习的热情。当完成书中的实践项目后，相信读者已经完成了作为一名物联网工程师的入门洗礼，初步获得了解决物联网相关工程问题的能力。

　　武藤佳恭，庆应义塾大学工学部电气工学专业博士，曾任南佛罗里达大学计算机专业副教授、南卡罗来纳大学计算机科学专业副教授、凯斯西储大学电气工学专业准教授、庆应义塾大学环境信息学部副教授。研究领域包括人工智能、机器学习、安全信息、物联网等。获得奖项：NSF RIA奖（1989年），TEPCO奖（1993年），高柳奖（1995年），KDD奖（1997年），NTT-education课件奖（1999年），美国-AFOSR奖（2003年），首届JICA理事长奖（2004年），日本食品服务协会35周年纪念主席奖（2009年），NEEL2015冠军奖，W-NUT 2015年冠军奖，义塾奖（2016年）等。

译者序 

前言 

第1章　物联网设备设计的开发环境 1 

1.1　因特网资源的检索法 4 

1.2　用虚拟机VMware Player 安装客操作系统（Ubuntu） 8 

1.3　在Ubuntu上构建Arduino的开发环境 18 

1.3.1　报错的基本处理方法以及Windows上无用文件的删除 21 

1.3.2　Linux的更新和升级 22 

1.3.3　Cygwin的安装 25 

1.3.4 　Python库的安装 26 

1.4　AVR写入器的制作 28 

1.5　使用AVR写入器向AVR单片机写入固件 30 

第2章　物联网设备的硬件和接口 35 

2.1　构成物联网设备的AVR单片机 36 

2.2　构成物联网设备的传感器和驱动部件 43 

2.2.1　i2c接口的气压传感器（BMP180） 43 

2.2.2　SPI接口的FlashAir SD卡 57 

2.2.3　Wi-Fi串口模块（ESP8266） 61 

2.2.4　为物联网设备设计印制电路板（PCBE） 68 

第3章　构成物联网设备的开源软件 72 

3.1　使用伺服库控制伺服电机 73 

3.2　使用Wire（i2c）库控制LCD 76 

3.3　使用Adafruit库的自带控制器的RGB LED（NeoPixel）控制 81 

3.4　阻抗数字转换器（AD5933） 83 

3.5　Python开源的活用 93 

3.5.1　定期客户访问系统 93 

3.5.2　cron和crontab的设定 97 

3.5.3　OAuth 2.0认证的gspread库的comoauth 2.py程序 98 

第4章　Python的设置与机器学习 100 

4.1　Python的环境设定 100 

4.1.1　在Windows上安装Python 100 

4.1.2　在Ubuntu上设置Python 103 

4.1.3　在Raspberry Pi2 上设置Python 103 

4.1.4　Raspberry Pi2连接i2c传感器 107 

4.2　scikit-learn 120 

4.2.1　使用scikit-learn的文本学习 121 

4.2.2　用马尔可夫模型来挑战《海螺小姐》的石头剪刀布 124 

4.3　使用statsmodels和scikit-learn进行多元回归分析 127 

4.3.1　使用statesmodels的OLS模型进行多元回归分析 127 

4.3.2　使用statesmodels的RLM模型进行多元回归分析 131 

4.3.3　使用scikit-learn的Lasso模型进行多元回归分析 131 

4.3.4　使用scikit-learn的AdaBoost和DecisionTree模型进行多元回归分析 132 

4.3.5　使用scikit-learn的RandomForest模型进行多元回归分析 133 

4.3.6　使用scikit-learn的其他集成学习模型进行多元回归分析 135 

4.4　神经网络深度学习 136 

第5章　使用Python进行图像处理 142 

5.1　使用OpenCV的基础程序 142 

5.2　使用摄像头进行可见光通信 145 

5.3　数一数物体和人 147 

5.4　挑战解答数独 149 

5.5　分析不可思议的颜色 152 

5.6　模板匹配 155 

5.7　基于Bag of Features的图片学习的分类器 157 

第6章　Python的云活用 162 

6.1　freeDNS的活用 162 

6.2　云Dropbox的使用 164 

6.3　云Google drive的使用 166 

6.3.1　访问Google drive 166 

6.3.2　Google drive的OAuth 2.0认证 168 

6.3.3　为pydrive库添加删除功能 171 

6.3.4　Google drive和pydrive的MIME类型的错误匹配 174 

第7章　使用Python在智能手机中活用SL4A 176 

7.1　安装SL4A 176 

7.2　Weather-station 180 

第8章　三种平台（Windows、Android、Raspberry Pi2）上的语音识别 184 

8.1　Windows平台上的语音识别 184 

8.2　安卓平台上的语音识别 187 

8.3　Raspberry Pi2平台上的语音识别 188 

附录A　用Python进行简单的GUI开发 195 

附录B　Sigfox（物联网设备专用的LPWAN） 198