本論文提出環境汙染源感測智慧物聯網之溯源系統，開發者使用Arduino UNO R3平台為主架構並搭載NodeMCU  ESP8266  WiFi開發板，使用者可以透過手機無線行動網路並經由我們自建的Blynk應用程序控制智能溯源車與視化監控數據。在系統中Ammonia 阿摩尼亞 NH3 氨氣感測器會自動進行測量四周環境氨氣濃度數值並經由運算式朝向汙染源濃度最高的區域進行溯源移動，再透過使用者手機無線通訊網路將所收集測試數據傳輸至免費雲端平台(ThingSpeak)紀錄所收集之數據。因氨氣汙染味道過重且對人體有害，使用者可將使此系統擺置需探測地點讓其自動追蹤並經由Blynk應用程序觀察此探測地點汙染來源之數值變化。

This paper proposes the Algorithm for Environmental Pollution Source Traceability Mobile Device System. The developer uses the Arduino UNO R3 platform as the main architecture and is equipped with the NodeMCU ESP8266 Wi-Fi development board. Users can use the mobile wireless mobile network and through our self-built Blynk app to control traceability mobile device and visual monitoring data. In the system, the ammonia sensor automatically measures the ambient ammonia concentration and moves it to the area with the highest concentration of the source via the calculation. and then collects the test through the user's mobile wireless network. The data is transferred to the data collected by the ThingSpeak. Because the ammonia pollution is too heavy and harmful to the human body, the user can place the system at the location to be automatically tracked and observe the change in the source of the contamination at the location via the Blynk app.

目錄
誌謝	I
中文摘要	II
ABSTRACT	III
目錄	IV
圖目錄	VI
表目錄	X
第一章 緒論	1
1.1 研究動機	1
1.2 研究目的	2
1.3 文獻回顧	3
1.4 章節介紹	4
第二章 研究背景	5
2.1 氨	5
2.2 氨危害	6
2.3 演算法	7
第三章 研究方法	8
3.1 系統分析架構	8
3.2 硬體架構	9
3.3 Arduino開發板介紹	10
3.4 Wi-Fi模組介紹	12
3.5 ThingSpeak雲端平台	14
3.6 系統演算法軟體編譯說明	15
3.7 氨氣感測器介紹與數值校正	16
3.8 伺服馬達介紹與轉向角度校正	22
3.9 步進馬達介紹和方向校正	26
3.10 四方感測演算法軟體設計	31
3.11 溯源移動演算法軟體設計	34
3.12 Blynk APP設計	36
3.13 汙染源溯源演算法軟體設計運行架構	39
第四章 研究成果	41
4.1 實驗流程	41
4.2 實驗情境	43
4.3 實驗結果	52
4.3.1 實驗情景A測試結果:	52
4.3.2 實驗情景B測試結果:	60
第五章 結論與未來展望	76
5.1 結論	76
5.2 未來展望	77
參考文獻	78
 
圖目錄
圖 1.1氨氣汙染源溯源智能車系統	1
圖 1.2 Blynk與手機和硬體裝置連接示意圖[1]	2
圖 1.3論文架構圖	4
圖 2.1氨的物化性質	5
圖 2.2氨的在水中的電離表示	6
圖 2.3氨對人體危害表[7]	7
圖 3.1系統架構圖	8
圖 3.2硬體架構圖	9
圖 3.3 轉自ARDUINO 官方Logo https://www.arduino.cc	11
圖 3.4 Arduino IDE 編譯軟體	11
圖 3.5 Arduino Uno R3硬體開發板	12
圖 3.6 ESP8266-ESP01S實體圖	12
圖 3.7 Arduino IDE序列埠監控視窗驗證ESP8266連線狀態	14
圖 3.8 ThingSpeak平台介紹與可視化數據曲線圖	15
圖 3.9演算法軟體設計工具說明	15
圖 3.10 MQ-137實體圖與元件說明	16
圖 3.11 MQ137無校正前量測異常數值圖	17
圖 3.12 轉自煒盛科技MQ137產品規格書根據各氣體曲線圖	17
圖 3.13 於Arduino IDE計算Ro程式碼	18
圖 3.14 經程式碼中算出Ro約莫30k ohm	19
圖 3.15 將前述所計算出的數值導入Arduino IDE軟體設計	20
圖 3.16 MQ137硬體量測	21
圖 3.17 MQ137校正後量測數值圖	21
圖 3.18 SG-90伺服馬達實體圖轉自SG90 9 g Micro Servo - Instructables	22
圖 3.19智能載具上視圖實體安裝角度與方向定義	23
圖 3.20 軟體設計伺服馬達旋轉0度	23
圖 3.21 軟體控制硬體旋轉0度實體圖	24
圖 3.22 軟體設計伺服馬達旋轉90度	24
圖 3.23 軟體控制硬體旋轉90度實體圖	25
圖 3.24軟體設計伺服馬達旋轉180度	25
圖 3.25 軟體控制硬體旋轉180度實體圖	26
圖 3.26 L298N Dual H-Bridge Motor Driver實體圖與元件說明轉自L298 Dual H-Bridge Motor Driver User’s Guide	27
圖 3.27 軟體控制馬達A與B順轉/逆轉達到所需方向	27
圖 3.28 軟體控制PWM馬達轉速與每次前進時間	28
圖 3.29 實驗調整轉速與每次前進秒速距離-測試前	28
圖 3.30 實驗調整轉速與每次前進秒速距離-測試後	29
圖 3.31 載具每次前進後退實驗後數據	29
圖 3.32 載具每次右轉左轉後角度	30
圖 3.33 行動智能載具上視圖	31
圖 3.34 軟體結合硬體感測方向定義圖	31
圖 3.35 演算法運算控制智能載具行為判定圖	34
圖 3.36 本實驗Arduino IDE中軟體設計與Blynk APP結合	37
圖 3.37 使用WebHook功能上傳ThingSpeak雲端儲存	38
圖 3.38 演算法軟體運行架構流程圖	40
圖 4.1 汙染源溯源系統實驗流程圖	42
圖 4.2 所使用之氨水	44
圖 4.3 將待測物置於載具前方，驗證演算法與移動軌跡	44
圖 4.4 演算法計算後驅使載具向前移動約22.5cm	45
圖 4.5 將待測物置於載具右方，驗證演算法與移動軌跡	45
圖 4.6 演算法計算後驅使載具向右旋轉	46
圖 4.7 將待測物置於載具左方，驗證演算法與移動軌跡	46
圖 4.8 演算法計算後驅使載具向左旋轉	47
圖 4.9 將待測物置於載具後方，驗證演算法與移動軌跡	47
圖 4.10 演算法計算後驅使載具向後移動約23cm	48
圖 4.11 實驗情境B，關窗浴室	49
圖 4.12關窗浴室平面尺寸	49
圖 4.13 待測物與載具距離20cm	50
圖 4.14 待測物與載具距離40cm	50
圖 4.15 待測物與載具距離60cm	51
圖 4.16 待測物與載具距離80cm	51
圖 4.17 實驗A，將待測物置於載具前方其量測數據分析曲線圖	53
圖 4.18 實驗A，將待測物置於載具右方其量測數據分析曲線圖	55
圖 4.19 實驗A，將待測物置於載具左方其量測數據分析曲線圖	57
圖 4.20 實驗A，將待測物置於載具後方其量測數據分析曲線圖	59
圖 4.21 實驗B，待測物距離20cm量測數據分析曲線圖	60
圖 4.22 實驗B，載具移動20cm軌跡示意圖	61
圖 4.23 實驗B，待測物距離20cm ，ThingSpeak雲端數據曲線圖	62
圖 4.24 實驗B，待測物距離40cm量測數據分析曲線圖	64
圖 4.25 實驗B，載具移動40cm軌跡示意圖	64
圖 4.26 實驗B，待測物距離40cm ，ThingSpeak雲端數據曲線圖	65
圖 4.27 實驗B，待測物距離60cm量測數據分析曲線圖	67
圖 4.28 實驗B，載具移動60cm軌跡示意圖	68
圖 4.29 實驗B，待測物距離60cm ，ThingSpeak雲端數據曲線圖	68
圖 4.30 實驗B，待測物距離80cm量測數據分析曲線圖	71
圖 4.31 實驗B，載具移動80cm軌跡示意圖	71
圖 4.32 實驗B，待測物距離載具後方80cm量測數據分析曲線圖	74
圖 4.33 實驗B，待測物距離載具後方80cm軌跡示意圖	74

 

表目錄
表 1.1 Arduino Uno 開發板規格	3
表 3.1硬體元件使用表	10
表 3.2 ESP8266腳位說明	13
表 4.1實驗情境A.	43
表 4.2實驗情境B.	48
表 4.3實驗A，將沾過氨水的化妝棉置於載具前方其量測數據	53
表 4.4實驗A，將沾過氨水的化妝棉置於載具右方其量測數據	54
表 4.5實驗A，將沾過氨水的化妝棉置於載具左方其量測數據	56
表 4.6實驗A，將沾過氨水的化妝棉置於載具後方其量測數據	58
表 4.7 待測物距離20cm測試數據	60
表 4.8 待測物距離40cm測試數據	63
表 4.9 待測物距離60cm測試數據	66
表 4.10 待測物距離80cm測試數據	69
表 4.11 待測物距離80cm測試數據	72
表 4.12 實驗情境B總整理	75

[1]	Blynk ,“Docs,” https://docs.blynk.cc/
[2]	痞克邦,“氨氣對人體接觸時所造成影響, ”http://hankliu0322.pixnet.net/blog/post/29806330
[3]	楊振昌, “職業性氨中毒認定參考指引, ” Nov 2016.
[4]	美國國家環境保護局, “ Toxicological Review of Ammonia, ” Sep 2016.
[5]	知乎,“氨—家装化學污染不可忽略的危害,”https://zhuanlan.zhihu.com/p/28868398
[6]	勞動部,"勞工作業場所容許暴露標準," ,Mar 2018.
[7]	內蒙古康居室內環境檢測“呼市空氣净化重點氨的危害,”http://m.kjhjjc.com/industry-56657
[8]	維基百科, “演算法,” https://zh.wikipedia.org/wiki/%E7%AE%97%E6%B3%95
[9]	HappyCoder, “電腦科學概論：演算法概要,” https://www.happycoder.org/2019/01/27/computer-science/algorithm/algorithm-introduction/
[10]	寫點科普，請給指教,“簡單的演算法筆記–第一集,” https://kopu.chat/2017/04/16//簡單的演算法筆記-第一集/
[11]	黃建庭,“輕鬆玩Arduino程式設計與感測器入門,”台灣: 碁峰Oct  2018.
[12]	 熊中豪,“整合Wi-Fi聯網和紅外線發射端口於PM2.5監測裝置及相關應用, ”碩士論文,電機工程學系,淡江大學, 2018.
[13]	網昱多媒體,“MQTT教學（八）：使用MQTTlens上傳資料到ThingSpeak的MQTT伺服器,”https://swf.com.tw/?p=1087
[14]	台灣物聯科技,“MQ-137 氣體感測器模組–Ammonia 阿摩尼亞 NH3 氨氣檢測傳感器,” https://www.taiwaniot.com.tw/product/mq-137-氣體感測器模組-氨氣檢測傳感器/
[15]	CircuitDigest,“Measuring PPM from MQ Gas Sensors using Arduino (MQ-137 Ammonia), ”https://circuitdigest.com/microcontroller-projects/arduino-mq137-ammonia-sensor
[16]	Feiticeir0's Blog,“L298 Dual H-Bridge Motor driver,” http://blog.whatgeek.com.pt/arduino/l298-dual-h-bridge-motor-driver/
[17]	劉奕賢,“自平衡兩輪車控制之研究,” 碩士論文,電子工程學系,義守大學,2014.
[18]	謝汶靜,“具WiFi即時視訊傳輸功能之救災偵查遙控車研製,” 碩士論文, 機械工程系機電光研究所, 中華科技大學,2017.
[19]	Khushboo Gupta, Kaushal Kishore, and S.C. Jain, “Quality Assessment and Drift Analysis of IoT Enabled Ammonia Sensor, ” 2017 6th International Conference on Reliability, Infocom Technologies and Optimization (ICRITO), Sep. 20-22, 2017, India, pp.172-176.
[20]	Dedy Rahman Wijaya, Riyanarto Sarno, and Enny Zulaika, “Gas Concentration Analysis of Resistive Gas Sensor Array, ” 2016 International Symposium on Electronics and Smart Devices (ISESD), November 29-30, 2016, Indonesia, pp.337-342.
[21]	Diksha Singh, Pooja Zaware, and Anil Nandgaonkar, “Wi-Fi Surveillance Bot with Real Time Audio & Video Streaming Through Android Mobile, ” 2017 2nd  IEEE International Conference On Recent Trends in Electronics Information & Communication Technology (RTEICT), May 19-20, 2017, India, pp.746-750.
[22]	Hamza BENYEZZA, Mounir BOUHEDDA, and DJELLOUT, “Smart Irrigation System Base Thingspeak and Arduino, ” 2018 IEEE International Conference on Applied Smart Systems (ICASS), Nov. 24-25 , 2018,  Algerla, pp.1-4.
[23]	Peerasak Serikul, Nuttapun Nakpong, and Nitigan Nakjuatong, “Smart Farm Monitoring via the Blynk IoT Platform, ” 2018 Sixteenth International Conference on ICT and Knowledge Engineering(ICT&KE), Nov.21-23, 2018,Thailand, pp.1-6.
[24]	Homera Durani, Mitul Sheth, Madhuri Vaghasia, and Shyam Kotech, “Smart Automated Home Application using IoT with Blynk App, ” 2018 2nd International Conference on Inventive Communication and Computational Technologies (ICICCT), April. 20-21, 2018, India, pp. 393-397.
[25]	Mohd Azlan Abu, Mohammad Farish Yaacob, Aizat Faiz Ramli, Hafiz Basarudin, Mohamad Ismail Sulaiman, Muhyi Yaakop, Imran Mohamad Sofi, and Fairuz Izzuddin Romli, “Electrical Appliances Control System by using iOS, ” 2017 International Conference on Engineering Technology and Technopreneurship (ICE2T),Sep. 18-20, 2017,Malaysia,pp.1-5.
[26]	Leena Mhatre, and Neha Rai, “Integration Between Wireless Sensor and Cloud, ” International conference on I-SMAC (IoT in Social,Mobile, Analytics and Cloud)(I-SMAC), Feb. 10-11, 2017, India, pp.779-782.