Internet of Things ( IoT )
Van sensormeting tot kaart: werken met microcontrollers, sensoren en GeoJSON
Tweedaagse cursus waarin je leert werken met microcontrollers, IoT-sensoren en geodata. Je bouwt een eigen IoT-sensor die metingen uitvoert en deze als GeoJSON beschikbaar maakt voor kaarten en geo-toepassingen.
Voorkennis van elektronica, programmeren of embedded systemen is niet nodig.
Het Internet of Things (IoT) speelt een steeds grotere rol in het verzamelen van geodata. Sensoren, microcontrollers en GPS maken het mogelijk om metingen direct te koppelen aan een locatie (geolocation) en deze data via het internet te delen.
Steeds meer datasets beginnen bij een fysieke meting in de echte wereld. Sensoren meten bijvoorbeeld temperatuur, luchtkwaliteit, bodemvocht of andere omgevingsfactoren. Deze sensormetingen vormen de basis voor toepassingen zoals smart cities, milieumonitoring en digital twins.
Tussen een sensormeting en een dataset die je kunt gebruiken in een kaart of analyse zit echter een hele keten van technologie. Een microcontroller leest sensordata uit, voegt locatiegegevens toe via GPS en verstuurt de data via wifi naar een API. Vervolgens wordt de data opgeslagen in een database en beschikbaar gemaakt als geodata.
In deze cursus bouwen we de volledige IoT- en geo-dataketen zelf.
We werken met een krachtige en toegankelijke microcontroller (Arduino Nano ESP32) die we programmeren met MicroPython. Hierdoor kun je werken met een programmeertaal die sterk lijkt op Python, wat het ontwikkelen van IoT-toepassingen toegankelijk en snel maakt.
Eerst leer je hoe je hardware aanstuurt en sensoren uitleest. Daarna koppelen we een GPS-module zodat iedere meting automatisch een locatie krijgt.
De sensordata sturen we vervolgens via wifi naar een backend. Deze backend draait in Docker en is gebouwd met Python (FastAPI) en PostgreSQL/PostGIS. De metingen worden daar opgeslagen in een PostGIS-database, een veelgebruikte standaard voor geodata.
Je leert daarmee over de volledige pipeline:
sensor → microcontroller → IoT-device → wifi → API → database → GeoJSON → kaart
Het opzetten en gebruiken van de database valt buiten de scope van deze cursus, zie onze aansluitende cursus die daar over gaat: xxx
Tijdens de cursus kijken we ook naar de architectuur achter dit soort systemen. Je krijgt inzicht in hoe IoT-sensoren, web-API’s, databases en geodata-standaarden samen een moderne geo-data infrastructuur vormen.
Tijdens deze tweedaagse cursus leer je hoe je een IoT-sensor bouwt en programmeert met een microcontroller, en hoe sensordata uiteindelijk beschikbaar komt als geodata.
Je leert onder andere:
Aan het einde van de cursus heb je een werkend prototype van een geo-sensor gebouwd.
Veel IoT-cursussen richten zich alleen op elektronica of alleen op software. In deze cursus combineren we beide en leggen we daarnaast een duidelijke link met Geo-ICT en geodata.
Je leert niet alleen hoe een microcontroller werkt, maar ook hoe sensordata uiteindelijk onderdeel wordt van een geo-datasysteem of kaarttoepassing.
Deze cursus is bedoeld voor professionals en studenten die willen begrijpen hoe IoT-sensoren en geodata samenkomen.
De cursus is geschikt voor:
Er is geen voorkennis van elektronica of embedded systemen nodig. Basiskennis van programmeren is handig maar niet verplicht.
De eerste dag staat in het teken van de basis: begrijpen hoe een microcontroller werkt en hoe sensoren worden aangesloten en uitgelezen.
We beginnen met een introductie van IoT-apparaten, sensoren en microcontrollers. Daarna installeren we de ontwikkelomgeving en schrijven we de eerste programma’s in MicroPython.
Onderwerpen van dag 1
Aan het einde van dag 1 begrijp je hoe een microcontroller werkt en hoe je een IoT-apparaat programmeert en sensoren uitleest.
Op de tweede dag bouwen we het systeem verder uit tot een echte geo-sensor.
We koppelen een GPS-module aan de microcontroller zodat iedere sensormeting automatisch een geolocation krijgt. Daarna structureren we de data en sturen we deze via wifi naar een backend.
Onderwerpen van dag 2
Het eindresultaat van de cursus is een werkend IoT-prototype:
een sensor die metingen uitvoert, zijn eigen locatie bepaalt en de data als GeoJSON naar een server stuurt.
Na afloop van de cursus Van Sensoren naar kaart:
Heb je vragen over de inhoud van de cursus? Of twijfel je of de cursus aansluit bij jouw leerdoelen of wensen? Liever incompany of een privé cursus? We helpen je graag verder.
In IoT-toepassingen wordt sensordata vaak verrijkt met locatiegegevens door gebruik te maken van een GPS-module of andere positioneringstechnologie. Hierdoor krijgt elke meting een latitude- en longitude-coördinaat. Wanneer deze data wordt opgeslagen of verzonden, kan de locatie direct worden gebruikt om de metingen op een kaart te visualiseren of te analyseren binnen GIS-systemen. Dit maakt het mogelijk om sensordata ruimtelijk te interpreteren en bijvoorbeeld patronen of hotspots te ontdekken.
GeoJSON is een veelgebruikt formaat voor het uitwisselen van geografische data via web-API’s. Het combineert geometrie (zoals punten of lijnen) met attributen in één JSON-structuur. Hierdoor kan sensordata eenvoudig worden gedeeld met webkaarten, GIS-software en dashboards. Omdat veel moderne geo-applicaties GeoJSON direct ondersteunen, is het een efficiënt formaat om real-time sensormetingen op kaarten zichtbaar te maken.
Een backend zorgt ervoor dat sensordata van apparaten kan worden ontvangen, opgeslagen en beschikbaar gemaakt voor andere toepassingen. In een typische IoT-architectuur stuurt een sensor metingen naar een server of API. De backend verwerkt deze gegevens, slaat ze op in een database en maakt ze toegankelijk voor kaarten, dashboards of analyses. Hierdoor ontstaat een complete dataketen van sensormeting tot geo-applicatie.
Het koppelen van sensoren aan kaarten heeft veel praktische toepassingen. Denk bijvoorbeeld aan milieu monitoring waarbij luchtkwaliteit of temperatuur wordt gemeten, smart city-toepassingen zoals verkeers- of geluidsmonitoring, en landbouwprojecten waarbij bodemvocht of microklimaat wordt gevolgd. Door sensordata op kaarten te visualiseren ontstaat een ruimtelijk overzicht dat helpt bij analyse, monitoring en besluitvorming.
