SAE3.01 - Objet Connecté LoRaWAN

Introduction

Dans le cadre de la SAE3.01, j'ai conçu un objet connecté innovant capable de mesurer en temps réel la qualité de l'air, incluant les niveaux de CO2, la température et l'humidité. Ce projet s'est inscrit dans une démarche de découverte et d'application pratique des technologies IoT (Internet of Things), en exploitant le réseau communautaire The Things Network (TTN) qui nous avait été présenté en TD.

En intégrant un capteur SCD30 de Sensirion avec une carte Seeeduino LoRaWAN, j'ai eu l'opportunité de renforcer mes compétences en électronique embarquée, programmation et transmission de données sans fil. Ce projet m'a également poussé à maîtriser l'intégration des données avec des outils modernes comme InfluxDB et Grafana.

L'objectif était de créer un système fonctionnel et sécurisé, tout en proposant des affichages visuels intuitifs grâce à des widgets graphiques et des fonctionnalités domotiques automatisées, permettant une expérience utilisateur enrichissante et pratique.

Apprentissages Critiques Mobilisés

Ce projet m'a permis de mettre en pratique plusieurs compétences clés du BUT R&T :

• AC21.04 : Déploiement des services réseaux avancés (paramétrage LoRaWAN et TTN)
• AC21.06 : Travail collaboratif et développement en équipe
• AC22.01 : Déploiement et caractérisation des systèmes de transmission complexes
• AC22.05 : Analyse critique d'un cahier des charges réseau/télécom
• AC23.01 : Automatisation de l'administration système avec scripts Python
• AC23.04 : Administration de systèmes de gestion de données (Google Sheets, InfluxDB)
• AC23.05 : Accès aux données via applications web (Grafana)
• AC24.04 : Choix des outils cryptographiques adaptés (sécurisation OTAA)

Présentation du Projet

Le projet a nécessité une approche méthodique structurée en plusieurs phases complémentaires :

1. Conception et câblage technique

La première étape critique a consisté à réaliser le câblage entre le capteur SCD30 et la carte Seeeduino LoRaWAN. En consultant la documentation technique, j'ai établi les connexions suivantes :

• VDD du SCD30 → 3.3V de la Seeeduino : Alimentation du capteur
• GND du SCD30 → GND de la Seeeduino : Masse commune
• TX/SCD du SCD30 → SCD de la Seeeduino : Communication série
• TX/SDA du SCD30 → SDA de la Seeeduino : Bus de données I2C

Cette phase m'a permis de maîtriser l'interfaçage I2C et de développer un code Arduino robuste incluant la gestion d'erreurs. Le programme intègre les librairies Wire.h, Adafruit_SCD30.h et LoRaWan.h pour assurer une communication fluide entre tous les composants.

2. Configuration LoRaWAN et sécurisation OTAA

La configuration du réseau LoRaWAN a représenté un défi technique majeur. J'ai paramétré les identifiants uniques requis pour l'authentification OTAA (Over-The-Air Activation) :

• DevEUI : 70B3D57ED006CC5E (identifiant unique du dispositif)
• AppEUI : 8CF9572000000000 (identifiant de l'application TTN)
• AppKey : 0EB94B96E2E0B7300B366C43FD49FDE7 (clé de chiffrement)

Cette configuration garantit une sécurisation maximale des échanges. J'ai également optimisé les paramètres de transmission (DataRate DR0, fréquences 868.1/868.3/868.5 MHz) et implémenté un système de reconnexion automatique avec gestion des échecs de jointure.

3. Développement du système de récupération et visualisation

Pour exploiter les données transmises, j'ai développé un programme Python utilisant le protocole MQTT pour récupérer les informations depuis TTN. Le système décode automatiquement les données base64 reçues et les traite pour extraction des valeurs de CO2, température et humidité.

J'ai implémenté une double approche de stockage :

• Google Sheets : Envoi automatisé via l'API Google avec authentification OAuth2, création d'horodatage et génération de graphiques en temps réel
• InfluxDB Cloud : Base de données temporelle optimisée pour l'IoT avec intégration Grafana pour des dashboards professionnels

Le programme Python gère plus de 50 000 points de données avec une fréquence d'acquisition de 15-20 secondes, démontrant la robustesse du système.

4. Intégration domotique et applications pratiques

Pour démontrer l'utilité concrète du système, j'ai développé une maquette domotique intégrant :

• Ventilateur automatique : Activation au-delà de 26°C pour la régulation thermique
• Système d'ouverture de fenêtre : Moteur pas à pas déclenché si CO2 > 1450 ppm (adapté depuis le seuil réglementaire de 1250 ppm)

Cette implémentation utilise une carte Arduino Uno avec shield, communiquant via port série. Le système révèle des problèmes de qualité d'air récurrents dans les salles de classe, validant l'utilité pratique du projet.

Résultats Obtenus et Défis Surmontés

1. Performances techniques

Le système développé a démontré une fiabilité exceptionnelle avec plus de 50 000 points de données collectés. Les métriques de performance incluent :

• Fréquence d'acquisition : 15-20 secondes avec transmission LoRaWAN stable
• Précision des mesures : Capteur SCD30 calibré avec gestion d'erreurs intégrée
• Fiabilité réseau : Connexion OTAA sécurisée avec reconnexion automatique
• Stockage multi-plateforme : Synchronisation Google Sheets et InfluxDB en temps réel

2. Découvertes environnementales

L'analyse des données collectées a révélé des problématiques concrètes de qualité d'air :

• Salles de classe : Dépassement fréquent du seuil réglementaire de 1250 ppm de CO2
• Environnement domestique : Niveaux de CO2 généralement bas, validant l'efficacité du système
• Corrélations thermiques : Activation automatique du ventilateur démontrant la pertinence des seuils

3. Compétences techniques développées

Ce projet m'a permis d'acquérir une expertise complète en IoT :

• Électronique embarquée : Maîtrise de l'interfaçage I2C et de la programmation Arduino
• Protocoles réseau : Configuration LoRaWAN, OTAA, et gestion des fréquences EU868
• Développement logiciel : Python pour MQTT, APIs Google/InfluxDB, traitement de données
• Visualisation : Dashboards Grafana professionnels et graphiques Google Sheets
• Intégration système : Communication série Arduino-Python pour applications domotiques

4. Défis techniques surmontés

Plusieurs obstacles ont été surmontés durant le développement :

• Configuration Gateway : Inscription et paramétrage de la gateway LoRaWAN pendant les vacances
• Décodage des données : Gestion du format base64 et parsing des trames TTN
• Authentification APIs : Configuration OAuth2 pour Google Sheets et tokens InfluxDB
• Optimisation énergétique : Gestion des cycles de transmission pour préserver l'autonomie

Technologies Utilisées

• Hardware : Seeeduino LoRaWAN, Capteur SCD30, Moteur pas à pas, Ventilateur
• Protocoles : LoRaWAN, OTAA, TTN (The Things Network)
• Programmation : Arduino IDE, Python, Scripts d'automatisation
• Stockage : Google Sheets, InfluxDB
• Visualisation : Grafana, Dashboards interactifs
• Sécurité : Chiffrement OTAA, Clés d'authentification