Implementacja przetwarzania danych w czasie rzeczywistym na brzegu sieci dla przemysłowego IoT.
Wysyłanie każdego odczytu z czujnika do chmury to strata czasu i przepustowości. W tym artykule pokazuję, jak ESP32 z MicroPython przetwarza dane sensoryczne lokalnie: filtrowanie Kalmana dla danych z akcelerometru, detekcja anomalii przez prosty autoencoder, agregacja i kompresja przed wysyłką do Firebase/Supabase. Omawiam architekturę edge-fog-cloud, protokoły MQTT vs HTTP dla IoT, zarządzanie energią w trybie deep sleep, OTA updates.
Projekt demonstracyjny: system monitoringu drgań maszyn przemysłowych z alertami w czasie rzeczywistym.
#IoT#ESP32#Edge