Embedded Files
器材及材料
模型主體：亞加力膠箱、亞加力膠板、格網、發泡膠板、飛機木板
電路系統：micro:bit、IoT 擴展板、LEGO EV3 套件、超聲波感應器、電線、外置充電器
實驗材料：水、乒乓球
探究過程
建構模型
我們首先設計並建構渠道系統模型。 渠道模型分為上下兩層，以展示水及垃圾流入渠道時的情況。當水和垃圾進入上層後，格網會把垃圾隔絕，只有水可以通過格網進入下層的疏水通道，然後直接流入去水空間；積聚於格網上的垃圾會透過垃圾推送裝置，定時把垃圾推送到下層的垃圾暫存空間。
當水和垃圾進入下層的垃圾暫存空間時，暫存空間底部的斜台式設計，會使進入下層的水和垃圾能自然留向下層的格網。下層的格網也只能讓水通過，使垃圾能在垃圾暫存空間中積存。
垃圾暫存空間中設有感應器，用以監察暫存空間裏的垃圾積存量。當垃圾累積到一定分量時，便會透過物聯網系統向清潔工人發出警示，讓清潔工人能盡快前往清理渠道內的垃圾。
圖 1：模型內部結構圖 （平面圖）（上層）
圖 2：模型內部結構圖 （平面圖）（下層）
圖 3：模型設計（立體圖）（整體）
圖 6：第一代模型（上層）
圖 4：模型設計（立體圖）（上層）
圖 7：第一代模型（下層）
圖 5：模型設計（立體圖）（下層）
圖 8：第一代模型（下層隔網）
圖 9：最終模型（整體）
圖 10：最終模型（上層）
圖 11：最終模型（micro:bit）
編寫感應器的測試程式
要達到預期自動化的垃圾清掃及警示效果，我們分別利用了LEGO EV3 套件、 micro:bit 開發板（配備物聯網技術）及其配件作為我們系統的兩個核心。
推送圾垃裝置（機械臂）
機械臂部分主要以LEGO EV3套件完成。機械臂會以自動化方式運作，每隔30秒就會清理疏水通道上的格網，確保疏水通道暢通無阻；而被推送的垃圾就會進入渠的下層。
圖 12：推送圾垃裝置程式碼
垃圾偵測裝置（超聲波感應器）
垃圾容量監察的部分則利用micro:bit及超聲波感應器完成。micro:bit會首先連接到無線網絡，然後每1秒偵測一次渠道內垃圾暫存空間的垃圾量，然後把數據反饋至 ThingSpeak平台上，使所有連接互聯網的裝置均可以實時得知渠道內的垃圾暫存量。
圖 13：垃圾偵測裝置程式碼
測試紀錄及結果
在完成編寫的測試程式後，我們便着手進行測試。我們於智能渠道模型中加入水及乒乓球，以模擬垃圾進入渠道時的情況。乒乓球會被格網攔截，再被推送到下層的垃圾暫存空間。我們在渠道處於不同狀態下記錄超聲波感應器的讀數。
表 1：超聲波感應器讀數紀錄
圖 14：實時數據監察平台截圖
為了有效提示清潔人員在渠道出現大量垃圾積聚時及早清理渠道內的垃圾，我們在ThingSpeak平台上設置了當超聲波感應器的讀數低於100毫米，平台上就會亮起紅色的警報燈，以直觀的方式顯示渠道有被阻塞的風險，提示清潔工人要注意有關渠道的垃圾堆積狀況。
為了令清潔人員可以更有效掌握渠道內垃圾堆積的實況，以便在出現多個紅色警報燈時排列處理各渠口的優先次序，我們也會加入垃圾量錶面板，以更簡潔的方式顯示渠內的垃圾積存量與感應器的距離。
Page updated
Report abuse