Este proyecto consiste en el desarrollo de un sistema de sensores autónomo basado en LoRaWAN, diseñado para monitorizar variables ambientales que afectan a la calidad del aire. Está orientado a la detección de patrones asociados a fenómenos atmosféricos persistentes mediante la recopilación de datos en tiempo real y su transmisión a plataformas de análisis.
Se trata de un proyecto desarrollado como Trabajo Fin de Grado en la Universidad de Oviedo y forma parte de las iniciativas de sensorización del entorno impulsadas por el MediaLab de la Escuela Politécnica de Ingeniería de Gijón.
- Sensorización ambiental en tiempo real: PM2.5, PM10, temperatura, humedad, presión y nivel de batería.
- Comunicación mediante LoRaWAN a través de The Things Network (TTN).
- Consumo energético optimizado gracias a ciclos de deep sleep.
- Visualización en tiempo real con Node-RED y Grafana.
- Almacenamiento de datos en InfluxDB para análisis temporal.
- Código modular en C++ compatible con Arduino IDE o PlatformIO.
- Microcontrolador: LILYGO T3 (ESP32 + LoRa)
- Sensor de partículas: SDS011
- Sensor climático: BME280
- Alimentación: batería 18650 con regulador y opción de panel solar
- thermal_inversion.ino # Lógica principal
- configuration.h # Pines, intervalos, ajustes LoRa
- credentials.h # Claves LoRaWAN (DevEUI, AppEUI, AppKey)
- sensor.{h,ino} # Lectura de sensores BME280 y SDS011
- lvlbat.{h,ino} # Medición de batería
- sleep.{h,ino} # Gestión del deep sleep
- ttn.{h,ino} # Comunicación LoRa con TTN (LMIC)
-
Clona el repositorio: git clone https://github.com/MediaLabUniovi/ThermalInversion.git
-
Abre el proyecto en Arduino IDE o PlatformIO.
-
Rellena el archivo
credentials.hcon las claves LoRaWAN (DevEUI, AppEUI, AppKey) desde tu cuenta de TTN. -
Compila y sube el código al dispositivo LILYGO T3 (ESP32).
-
Visualiza los datos en Node-RED/Grafana (requiere configurar MQTT e InfluxDB).
Los datos transmitidos por los nodos se procesan a través de la siguiente arquitectura:
Nodo LoRa ⟶ TTN ⟶ MQTT ⟶ Node-RED ⟶ InfluxDB ⟶ Grafana
- Node-RED: decodifica el payload LoRa y enruta los datos.
- InfluxDB: almacena los datos como series temporales.
- Grafana: dashboards en tiempo real con los valores registrados.
- Crear una solución IoT funcional y de bajo coste.
- Obtener datos ambientales desde ubicaciones sin infraestructura.
- Evaluar la calidad del aire en diferentes condiciones meteorológicas.
- Facilitar la escalabilidad de nodos y su integración en entornos urbanos o rurales.
Alfonso Fernández Aybar
Grado en Ingeniería en Tecnologías y Servicios de Telecomunicación
Universidad de Oviedo · EPIG