2025-01-22 05:19:54 +00:00
2025-01-22 05:19:54 +00:00
2025-01-21 10:40:29 +00:00
2025-01-21 10:40:29 +00:00
2025-01-21 10:40:29 +00:00
2025-01-17 05:26:11 +00:00

Lab 实验数据采集系统

项目概述

这是一个用于实验数据采集和监控的分布式系统,包含采集端、服务器端和Web监控界面。

更新日志

2025-01-17更新

  1. 本次主要更新paper页面;
  2. 接入了memarid.js, 后端分析报告添加了对流程图的输出,前端渲染流程图;
  3. 更新了文献报告显示的样式。

2025-01-16更新

  1. 调整了项目页面和实验页面,项目页面增加了"reports"页面,可以查看项目分析报告,实验页面移除了左侧导航栏的下载数据和报告按钮;原有功能添加到实验详情页面
  2. 将生成项目报告和实验报告的逻辑改为异步,不会阻碍其他路由
  3. 给项目报告和实验报告添加了 AI Chat 功能
  4. 将literature页面更名为paper

2025-01-15更新

  1. 本次主要更新literature页面
  2. 将左侧导航栏"Summary"改为查看总结报告页面,同时在Summary页面增加了"download"按钮和"regenerate"按钮,可以下载对所有文献的总结报告,也可以重新生成总结报告;
  3. 左侧导航栏原"upload"按钮改为"literature list",显示文献列表;
  4. 移除左侧导航栏"upload"按钮,改为在文献列表页面中增加"upload"按钮,上传文献;
  5. 更新了页面设计;
  6. 将生成总结报告的逻辑改为异步,不会阻碍其他路由;
  7. 优化了文献分析页面的AI chat功能,对markdown格式的回答进行渲染,更容易阅读;
  8. 在分析文献的逻辑中添加了长文档分析,长文档会分段分析再合并,最后生成报告。

2025-01-14更新

  1. 更新了设备管理逻辑,保证一个设备可以在多个用户之间切换,但一个设备只能被一名用户使用,以及删除设备逻辑,删除设备改为更新设备状态。
  2. 优化了整个web的设计,包括设备注册页面,以及更新了左侧导航栏内容和各按钮样式

2025-01-13更新

  1. 将各页面独立出来,便于维护,同时优化了Web设计,导航栏增加了literature入口。
  2. 在文献分析部分,修改了前后端代码,支持文献批量上传,将文献上传和文献分析完全解耦,上传文件后会立即得到响应,分析过程在后台进行,前端通过 Redis 中的状态来实时更新界面显示,并且添加了项目列表,可直接从导航栏进入查看各项目的文献分析,也可以从项目进入文献分析页面。
  3. 文献分析部分,增加了AI chat功能,接入API,可以对已经生成分析报告的文献进行提问,并保存历史记录,可查看历史回答。

2025-01-12更新

Initial commit

系统架构

1. 采集端 (boot.py)

- 基于MicroPython实现的高速数据采集器
- 支持多通道数据采集
- 使用UDP协议传输数据
- 支持设备序列号注册机制

2. 服务器端 (data.py)

- 基于Python asyncio的异步UDP服务器
- 支持数据解析和转发
- 与MongoDB集成存储实验数据
- 实现WebSocket实时数据推送
- 设备在线状态管理

3. 设备管理 (device.py)

- 设备注册和管理API
- 序列号生成和验证
- 设备状态监控
- Redis集成用于在线状态追踪

4. Web界面

- lab.html: 主界面
- device.html: 设备管理界面
- device-monitor.html: 单个设备数据监控界面

主要功能

1. 高速数据采集
2. 实时数据传输和显示
3. 设备管理和监控
4. 实验数据存储
5. 在线状态追踪

使用说明

文件夹

1. history 保存了历史版本代码,可以忽略
2. lab 项目历史版本,可以忽略

文件结构

lab/
├── #后端
├── boot.py # 采集端程序
├── data.py # 数据处理服务器
├── device.py # 设备管理API
├── main.py # 主程序
├── #前端
├── device.html              # 设备管理
├── device-monitor.html      # 单个设备数据监控界面
├── device-register.html     # 设备注册
├── paper.html          # 文献分析
├── reports.html             # 报告管理
├── lab.html                 # 前端主界面
└── login.html               # 登录界面
|
└── README.md # 项目说明

主程序 main.py https://dev.obscura.work/lab

1. 服务器:222.186.10.253
2. PORT = 6000
3. 数据库:
    mongodb: 222.186.10.253:27017/lab
    Redis222.186.10.253:6379; db199、201-208

设备管理 device.py https://dev.obscura.work/devices

1. 服务器:222.186.10.253
2. PORT = 6001
3. 数据库:
    mongodb: 222.186.10.253:27017/lab
    Redis222.186.10.253:6379; db200

采集端配置 boot.py

SSID = "Obscura"
UDP_HOST = "222.186.10.253"
UDP_PORT = 6002

数据处理 data.py

1. 服务器:222.186.10.253
2. PORT = 6002
3. 数据库:
    mongodb: 222.186.10.253:27017/lab
    Redis222.186.10.253:6379; db200; data type:stream

前端页面 https://beta.obscura.work/lab/

1. lab.html: 主界面
2. device-register.html: 设备注册
3. device-monitor.html: 单个设备数据监控
4. device.html: 设备管理
5. paper.html: 文献分析
6. reports.html: 报告管理
7. login.html: 登录界面

Redis 数据库使用情况

1. DB 199: 实验状态数据
- 键格式: `experiment_status:{experiment_id}:{serial_number}`
- 值类型: String
- 存储内容: 实验设备的活动状态 ("active" 或 "inactive")

2. DB 200: 实验原始数据
- 键格式: `experiment:{experiment_id}:{serial_number}`
- 值类型: Redis Stream
- 存储内容: 设备采集的原始数据点

3. DB 201: 实验分析报告
- 键格式: `experiment_report:{experiment_id}`
- 值类型: String (JSON)
- 存储内容: 单个实验的分析报告
- 使用位置: 实验数据分析相关路由

4. DB 202: 项目分析报告
- 键格式: `project_report:{project_id}`
- 值类型: String (JSON)
- 存储内容: 整个项目的汇总分析报告

5. DB 203: 文献分析报告
- 键格式: `reference_report:{reference_id}`
- 值类型: String (JSON)
- 存储内容: 单个文献的分析报告

6. DB 204: 文献汇总报告
- 键格式: `reference_summary_report:{project_id}`
- 值类型: String (JSON)
- 存储内容: 项目所有文献的汇总分析报告

7. DB 205: 项目备忘录
- 键格式: `memo:{project_id}`
- 值类型: String (JSON)
- 存储内容: 项目的备忘录内容和创建时间

8. DB 206: 实验备忘录
- 键格式: `memo:{experiment_id}`
- 值类型: String (JSON)
- 存储内容: 实验的备忘录内容和创建时间

9. DB 207: 文献AI对话记录
- 键格式: `reference_chat:{reference_id}`
- 值类型: String (JSON)
- 存储内容: 单个文献的AI对话记录

10. DB 208: 存储文献AI对话的任务状态
- 键格式: `task:{task_id}`
- 值类型: String (JSON)
- 存储内容: 单个文献的AI对话的任务状态跟踪
S
Description
No description provided
Readme 485 KiB
Languages
HTML 68%
Python 32%