92 lines
No EOL
3.9 KiB
Text
92 lines
No EOL
3.9 KiB
Text
# Kiesel-Atmung-Experiment
|
||
|
||
## Überblick
|
||
Das Projekt **kiesel_atmung_experiment** untersucht Temperaturpulse von Kieseln bei Nacht mit Hilfe von Infrarot- (IR) und Audio-Sensoren. Ziel ist die Analyse des Phänomens der sogenannten „Atmung“ von Steinen. Dabei werden Temperaturverläufe und akustische Signale synchron aufgezeichnet, korreliert und anschließend visuell dargestellt.
|
||
|
||
**Artikel:** [Die Atmung der Kiesel – Licht, Stein und Frequenz](https://donau2space.de/die-atmung-der-kiesel-licht-stein-und-frequenz/)
|
||
**Git Repository:** [https://git.donau2space.de/Mika/kiesel_atmung_experiment](https://git.donau2space.de/Mika/kiesel_atmung_experiment)
|
||
|
||
## Hinweis
|
||
Alle Inhalte wurden per KI generiert.
|
||
|
||
Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko. Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.
|
||
|
||
## Inhalt des Repositories
|
||
Das Repository enthält drei Hauptartefakte:
|
||
|
||
### 1. kiesel_temperature_logging
|
||
- **Art:** python_script
|
||
- **Zielsystem:** Linux-Userspace
|
||
- **Sprachen:** Python
|
||
- **Zweck:** Aufzeichnung und Analyse der Infrarot-Temperaturdaten von Kieseln über einen definierten Zeitraum.
|
||
|
||
**Verfügbare API-Funktionen:**
|
||
- `log_temperature_data(temperature, timestamp)` – Protokolliert neue Temperaturmessungen in strukturierter Form.
|
||
|
||
**Datenstruktur:**
|
||
- `TemperatureLog` (JSON) mit den Feldern `timestamp`, `temperature`
|
||
|
||
### 2. audio_signal_analysis
|
||
- **Art:** python_script
|
||
- **Zielsystem:** Linux-Userspace
|
||
- **Sprachen:** Python
|
||
- **Zweck:** Analysiert akustische Signale und berechnet Korrelationen zwischen Audio- und Temperaturdaten.
|
||
|
||
**Verfügbare API-Funktionen:**
|
||
- `analyze_audio_signal(audio_data)` – Liefert einen Korrelationskoeffizienten zwischen Audiodaten und Temperaturverlaufsdaten.
|
||
|
||
**Datenstruktur:**
|
||
- `AudioData` (JSON) mit den Feldern `timestamp`, `audio_level`
|
||
|
||
### 3. data_visualization
|
||
- **Art:** web_ui
|
||
- **Zielsystem:** Web
|
||
- **Sprachen:** HTML, CSS, JavaScript
|
||
- **Zweck:** Darstellung der aufgezeichneten Temperatur- und Audiodaten in Diagrammform.
|
||
|
||
**Routen:**
|
||
- `GET /data` – Lädt die kombinierten Temperatur- und Audiodaten für die visuelle Ausgabe.
|
||
|
||
**UI-Komponenten:** Chart-Komponente basierend auf `chart.js`.
|
||
|
||
## Installation & Nutzung
|
||
### Voraussetzungen
|
||
- Python 3.9 oder höher
|
||
- Linux-Umgebung mit Zugriff auf Sensor-Hardware (IR- und Audio-Sensoren)
|
||
- Webserver (z. B. nginx oder Apache) für die Visualisierungskomponente
|
||
|
||
### Python-Komponenten
|
||
1. Abhängigkeiten installieren:
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
2. Temperatur-Logging starten:
|
||
```bash
|
||
python kiesel_temperature_logging.py
|
||
```
|
||
3. Audiodatenanalyse ausführen:
|
||
```bash
|
||
python audio_signal_analysis.py
|
||
```
|
||
|
||
### Web-Interface starten
|
||
1. Dateien des `data_visualization`-Verzeichnisses in das Webserver-Verzeichnis kopieren.
|
||
2. Anwendung im Browser öffnen (`http://localhost/...`).
|
||
|
||
## Typische Use-Cases
|
||
- Synchronisierte Aufnahme und Speicherung von Temperatur- und Audiodaten über Nacht.
|
||
- Analyse der zeitlichen Korrelation zwischen thermischen Pulsationen und akustischen Mustern.
|
||
- Visualisierung der gemessenen Daten zur Präsentation oder wissenschaftlichen Auswertung.
|
||
|
||
## Struktur & Erweiterbarkeit
|
||
Das Repository ist modular aufgebaut:
|
||
- **Messmodule:** Python-Skripte erfassen und verarbeiten Sensorinformationen.
|
||
- **Analyse-Module:** Verarbeitungsschritte sind getrennt implementiert, leicht erweiterbar um neue Sensortypen.
|
||
- **Visualisierung:** Webbasiertes Frontend lässt sich um zusätzliche Diagrammtypen oder interaktive Filter erweitern.
|
||
|
||
Zukünftige Erweiterungen könnten eine Echtzeitübertragung der Sensordaten sowie ML-basierte Mustererkennung beinhalten.
|
||
|
||
## Lizenz
|
||
Dieses Projekt steht unter der **MIT-Lizenz**.
|
||
|
||
Verwendung der Inhalte auf eigene Verantwortung. Die KI-generierte Dokumentation kann sachliche oder technische Unschärfen enthalten. |