24 September 2025 –
Training over Arduino en Raspberry Pi met Node-RED
Vandaag geef ik een training over Arduino sensoring in combinatie met Raspberry Pi en Node-RED integratie aan derde- en vierdejaars HBO-studenten binnen de Minor Factory of the Future. In deze minor leren studenten digitale transformatie te realiseren in bedrijven. Met de ontwikkelingen rondom Smart Industry en Industry 4.0 is het belangrijk dat studenten niet alleen kennis nemen van nieuwe technologieën, maar ook zelf praktisch ervaring opdoen om daar vorm aan te geven. Naast 3D-printen, digital twins, augmented reality, robotica, data-analyse en visualisatie speelt ook meten met sensoren een cruciale rol. De training van vandaag draait om deze sensoren en hoe ze worden aangesloten en uitgelezen.
Overzicht van benodigd materiaal
– Arduino Uno met USB-stekker
– Arduino IDE programmeeromgeving
– Arduino Sensor Kit
– Dallas DS18B20 thermische sensor
– Weerstand 4k7
– 6 Dupont stekkertjes male–male
– 3 WAGO klemmen
– Raspberry Pi 4 (4 GB)
– Breadboard – 30 pins
Praktische leerdoelen voor studenten
SPARK Campus in ’s-Hertogenbosch vroeg mij deze training te verzorgen zodat studenten praktische ervaring opdoen met het aansluiten van sensoren, het uitlezen van data en het verwerken daarvan in Node-RED:
– het aansluiten van verschillende sensoren op een Arduino Uno
– het uitlezen van sensorwaarden via USB op een Raspberry Pi
– de verwerking en weergave van sensorwaarden in Node-RED
– de connectie met MQTT voor verdere verwerking
Toepassing in echte projecten
In mijn eigen projecten kom ik regelmatig sensoren tegen die uitgelezen moeten worden met een embedded platform en daarna centraal verzameld. Met AI kunnen vervolgens trends en afwijkingen worden herkend. Deze inzichten kunnen processen aansturen, meldingen genereren of zelfs nieuwe kennis opleveren. Belangrijk is dat sensoren toegepast worden in een praktische omgeving en verbonden zijn met een meetplatform dat signalen kan verwerken voor verdere analyse.
Voorbeelden van sensoren en platformen
Veelgebruikte sensoren meten temperatuur, luchtdruk, luchtkwaliteit, licht, mechanische druk, rotaties, versnellingen en GPS-locatie. Daarmee kunnen zowel omstandigheden als bewegingen en posities nauwkeurig gevolgd worden. Voor het aansluiten en uitlezen gebruiken we vaak embedded computers zoals Arduino, ESP32, STM32 of Raspberry Pi Pico. Vandaag begeleid ik studenten stap voor stap met de Arduino Uno, die sensoren kan koppelen via analoge en digitale poorten, maar ook via protocollen als 1-Wire, I2C en UART.
Starten met basis sensoren
We maken gebruik van de Arduino Sensor Kit, een uitbreiding op de Arduino Uno met een reeks ingebouwde sensoren. Ik begin met de basis van embedded programmeren: het laten knipperen van een LED via Blink. Daarna breid ik dit uit met het uitlezen van een drukschakelaar en het instellen van thresholds waarmee processen worden gestart. Vervolgens werken we met sensoren voor lichtsterkte en geluidsdruk. Deze geven inzicht in helderheid en geluidsniveaus, en bij ultrasoon geluid ook in trillingen. Daarna meten we temperatuur en luchtvochtigheid, die zowel numeriek als in een grafiek worden weergegeven.
Externe sensor voor temperatuur
Omdat de sensoren op een printplaat vastzitten, meten we geen vloeistof direct. Daarom sluiten we een externe sensor aan: de Dallas DS18B20 met 1-Wire protocol. Deze waterdichte sensor meet vloeistoftemperaturen tot 125 °C. Dankzij een speciale library lezen we de waarden eenvoudig real-time uit. Het is mogelijk tot wel 50 van deze sensoren parallel aan te sluiten, met kabels tot 50 meter. We programmeren de code stap voor stap, en het lukt iedereen om succesvol temperatuur te meten.
Integratie naar Raspberry Pi
Daarna schakelen we over naar integratie met de Raspberry Pi via Node-RED. Met het Serial-In blok vangen we elke meting op en geven die weer. Vervolgens formatteren we de data als JSON, zodat meerdere datapunten gestructureerd beschikbaar komen. Terug in de Arduino IDE koppelen we extra sensoren voor temperatuur en luchtvochtigheid, zodat er drie meetpunten zijn. Deze JSON-output lezen we via de seriële poort opnieuw uit in Node-RED.
Afronding van de training
Aan het einde van de training kunnen alle studenten zelfstandig sensoren uitlezen en de code programmeren zodat de gewenste output via de seriële poort beschikbaar komt. Op de Raspberry Pi bouwen ze een Node-RED flow die de data inleest en als basisgrafiek toont. Node-RED kan real-time waarden laten zien, maar voor trendanalyse is koppeling met een database zoals InfluxDB of MySQL de volgende stap. Dat valt buiten deze training, maar vormt een logisch vervolg.
Persoonlijke ervaring en motivatie
Ik vind het erg leuk om dit soort trainingen te geven. Vandaag deden 17 studenten actief mee, stap voor stap, bij het programmeren van een embedded computer. Het inspelen op vragen, het gelijktrekken van kennisniveaus en het stimuleren van nieuwsgierigheid maakt dit voor mij telkens weer waardevol en inspirerend.