3.9 KiB

Surový Trvalý odkaz Blame Historie

🛰️ BLE AI Localizer - README

Progetto di localizzazione indoor basato su segnali Bluetooth (BLE) e Machine Learning (KNN). Ambiente: MN reslevis 192.168.1.3 | Python 3.10.16 | Docker 27.4.1.

🛠️ Architettura e Struttura Progetto

Il sistema è diviso tra un Core Engine (background) e una Management Suite (UI Streamlit).

File Operativi Principali

web_suite.py: Punto d’ingresso unico (Login, UI Management, MQTT Logging).
main.py: Orchestratore dei processi background (Inference & Training).
infer_mode.py: Motore di calcolo real-time che processa il traffico MQTT.
web_test_inference.py: Tool di validazione offline con mappa Folium interattiva.
web_status.py: Monitoraggio infrastruttura (Core, MQTT Broker, API, Disco).

🚀 Note per l’Operatore: Campagna di Rilevazione

Per garantire la massima precisione del sistema, attenersi rigorosamente a queste linee guida durante la raccolta delle fingerprint.

1. Parametri Algoritmo (KNN)

Valore di k: Rappresenta il calcolo sulla retta ($k=2$) o sul piano ($k>2$) tra i beacon di training.
Vincolo: $k$ deve coincidere come minimo con il numero di beacon per stanza.
Consiglio: Se si catturano 5 misure per stanza, impostare $k=3$. Il parametro è globale.

2. Linee Guida per la Raccolta (Training)

Distanza Pareti: Rilevare i punti ad almeno 1m dalle pareti (evitare angoli o pareti adiacenti).
Simmetria: Per piani simmetrici, far coincidere le misure di ogni piano nello stesso punto spaziale.
Beacon di Test: Durante la raccolta includere almeno un beacon di test per ogni potenza. Verrà escluso dal training ma usato per validare l’inferenza sul traffico registrato.

3. Configurazione Hardware Beacon

Fase di Raccolta: TX Power variabile (0, -4, -8, -12 dBm) | TX Interval: 200 ms.
Fase di Produzione: Potenza ottimale risultata dai test | TX Interval: 1400 ms.

4. Parametri Temporali (`config.yaml`)

Slot di raccolta: 30 secondi per ogni punto di fingerprint.
Finestra di Inferenza: 7 secondi.

🖥️ Management Suite (Interfaccia Web)

Accesso

URL: http://192.168.1.3:8501.
Credenziali: Configurate nel docker-compose.yml (Default: Admin / pwdadmin1).

Funzionalità InferTest (Validazione)

Nella tab 🧪 InferTest è possibile validare i modelli caricando file di test:

🔵 Celeste: Punto di Test (posizione reale registrata).
🟠 Arancione: Punto Predetto (posizione calcolata dal modello).
🟡 Linea Gialla: Scostamento metrico (Errore Distanza). La mappa supporta lo zoom persistente e la navigazione Folium.

MQTT Raw Logging

Dalla Sidebar è possibile attivare la registrazione del traffico grezzo.

Log Directory: /data/mqtt_raw/.
Comando interno: mosquitto_sub filtrato su publish_out con parametri presi dinamicamente dal file config.yaml.

⚙️ Gestione Docker (SysAdmin)

####Aggiornamento del software

    cd /data/service/ble-ai-localizer
    docker compose up -d --build
    docker compose -p ble-ai-localizer build
    docker compose -p ble-ai-localizer up -d --build
    docker system prune
    docker rmi ble-ai-localizer:0.1.0

###Gestione Sart/Stop Container
```bash
    cd /data/service/ble-ai-localizer
    docker compose -p ble-ai-localizer up -d
    docker compose -p ble-ai-localizer logs -f --tail=200 --timestamps
    docker compose -p ble-ai-localizer stop
    docker compose -p ble-ai-localizer restart
    docker compose -p ble-ai-localizer down


###Accesso Web MajorNET ResLevis:
```bash
    https://10.251.0.30/frontend/app_reslevis/app.html#home

 Accesso Web a Container ble-ai-localizer
    URL: http://0.0.0.0:8501
    http://192.168.1.3:8501/
        username e password da file composer: docker-compose.yml
                UI_USER: "Admin"
                UI_PASSWORD: "pwdadmin1"  <-- facilitate per accesso da mobile

3.9 KiB Surový Trvalý odkaz Blame Historie