AI-Kinderwetterstation auf Basis des ESP32-C3

Kunde

Ein Unternehmen für pädagogische STEM-Bausätze, das eine selbst zu bauende Wetterstation entwickelt, die Kindern Meteorologie, Sensoren und Datenanalyse näherbringt.

Herausforderung

Ein Wetterstations-Bausatz, der lehrreich zusammenzubauen ist (20 Minuten mit einem Schraubendreher), genaue Daten für die lokale Vorhersage liefert und Kinder durch KI-gestützte Vorhersagen begeistert.

Produktkonzept & Architektur

Der ESP32-C3 liest eine Reihe von Sensoren aus: BME280 (T/H/P), SPS30 (PM), Regenmesser (Wippschalenprinzip) und 3-Schalen-Anemometer (Hall-Effekt). Ein 2,8-Zoll-TFT-Display zeigt die aktuellen Bedingungen an.

Technische Lösung

Ein TinyML-Regressionsmodell (20KB, Entscheidungsbaum) auf dem ESP32-C3 lernt das lokale Mikroklima, indem es Sensorwerte mit den Vorhersagedaten der letzten 7 Tage und den tatsächlichen Messwerten korreliert. Die Vorhersage verbessert sich mit der Zeit, da das Modell nachts neu trainiert wird.