{"id":8172,"date":"2025-03-18T12:54:34","date_gmt":"2025-03-18T12:54:34","guid":{"rendered":"https:\/\/meteolab.ai\/?post_type=product&p=8172"},"modified":"2026-04-13T11:19:12","modified_gmt":"2026-04-13T11:19:12","slug":"datalogger-meteolab-ai-ml-01-2000-pro","status":"publish","type":"product","link":"https:\/\/meteolab.ai\/index.php\/product\/datalogger-meteolab-ai-ml-01-2000-pro\/","title":{"rendered":"Datalogger Meteolab.AI ML7-2000PRO"},"content":{"rendered":"

Datalogger Meteolab AI ML7-2000PRO<\/span> to profesjonalne urz\u0105dzenie, idealne do zaawansowanych pomiar\u00f3w \u015brodowiskowych. Dzi\u0119ki mo\u017cliwo\u015bci pod\u0142\u0105czenia szerokiej gamy czujnik\u00f3w oraz wsparciu najnowszych technologii transmisji danych, takich jak GSM i LoRaWAN, zapewnia niezawodny i ci\u0105g\u0142y monitoring warunk\u00f3w atmosferycznych, hydrologicznych czy jako\u015bci powietrza. Z wbudowan\u0105 pami\u0119ci\u0105 16 GB i funkcj\u0105 buforowania danych, gwarantuje bezpiecze\u0144stwo i pe\u0142n\u0105 dost\u0119pno\u015b\u0107 pomiar\u00f3w, nawet w najbardziej wymagaj\u0105cych warunkach terenowych. To nowoczesne rozwi\u0105zanie dla profesjonalist\u00f3w, kt\u00f3rzy ceni\u0105 precyzj\u0119 i niezawodno\u015b\u0107.<\/p>\n

Parametry techniczne:<\/p>\n

– Kana\u0142y wej\u015bcia \/ wyj\u015bcia:
\n* Mo\u017cliwo\u015b\u0107 pod\u0142\u0105czenia do 10 wej\u015b\u0107 analogowych lub 10 konfigurowalnych wej\u015b\u0107 cyfrowych:
\n* Wej\u015bcia pr\u0105dowe 0-25 mA;
\n* Wej\u015bcia impulsowe;
\n* Wej\u015bcia napi\u0119ciowe (np. 0-5 V);
\n* RTD (Pt100 lub PT1000) 3-przewodowe + 4-przewodowe;
\n* SDI-12;
\n* MODBUS RTU Master;
\n* 3 niezale\u017cne kana\u0142y licznikowe \/ stan\u00f3w.<\/p>\n

– Ilo\u015b\u0107 pod\u0142\u0105czonych czujnik\u00f3w:
\n* Do 200 urz\u0105dze\u0144 RS485 MODBUS RTU o niepowtarzaj\u0105cych adresach urz\u0105dze\u0144.<\/p>\n

– Pami\u0119\u0107:
\n* 16 GB pami\u0119ci nieulotnej na karcie pami\u0119ci SD (mo\u017cliwo\u015b\u0107 rozszerzenia pami\u0119ci).
\n* Konfigurowalne do 1600 zmierzonych warto\u015bci.
\n* Minimum 1 000 000 pr\u00f3bek mieszcz\u0105cych si\u0119 w pami\u0119ci.
\n* Buforowanie danych w zasobach pami\u0119ci dyskowej dataloggera na wypadek braku \u0142\u0105cza internetowego do serwera.<\/p>\n

– Pr\u00f3bkowanie:
\n* Cz\u0119stotliwo\u015b\u0107 pr\u00f3bkowania od 10 sekund do 24 godzin.
\n* Ci\u0105g\u0142y pomiar impuls\u00f3w.
\n* Sterowanie zapisem danych na poszczeg\u00f3lnych czujnikach.<\/p>\n

– Zasilanie:
\n* PoE (Power over Ethernet).
\n* Zintegrowany akumulator litowo-jonowy 48 Wh.
\n* Napi\u0119cie wej\u015bciowe 6-24 V dla uk\u0142adu \u0142adowania.
\n* Napi\u0119cia wyj\u015bciowe 5 V i 12 V do 200 mA do zasilania czujnik\u00f3w.
\n* Mo\u017cliwo\u015b\u0107 zasilania z sieci 230 V za pomoc\u0105 zewn\u0119trznego zasilacza.
\n* Mo\u017cliwo\u015b\u0107 zasilania panelami fotowoltaicznymi 9 V lub 12 V (zalecane 12 V) dla pracy 24\/7 w terenie.<\/p>\n

– Alarmy i harmonogramy:
\n* Alarmy: powy\u017cej, poni\u017cej lub w zakresie.
\n* Akcje alarmowe: wysy\u0142anie SMS-\u00f3w, przyspieszenie\/spowolnienie pr\u00f3bki\/transmisji, wzbudzanie\/wy\u0142\u0105czanie alarm\u00f3w w zale\u017cno\u015bci od wynik\u00f3w pomiar\u00f3w.
\n* Mo\u017cliwo\u015b\u0107 dodawania harmonogram\u00f3w odczytu parametr\u00f3w z poszczeg\u00f3lnych czujnik\u00f3w.<\/p>\n

– Transmisja danych:
\n* Modem GSM 2G\/4G\/5G.
\n* Wbudowany stos protoko\u0142\u00f3w TCP\/IP.
\n* Transfer danych w zadanych interwa\u0142ach.
\n* Zdalna konfiguracja rejestratora danych przez GPRS.
\n* Automatyczna synchronizacja czasu z czasem stacji bazowej GSM (BTS).
\n* Lokalny transfer danych i konfiguracja przez USB lub Bluetooth 4.1 LP (mo\u017cliwo\u015b\u0107 bezpo\u015bredniego pobierania danych z dataloggera).
\n* Mo\u017cliwo\u015b\u0107 pod\u0142\u0105czenia zewn\u0119trznych wy\u015bwietlaczy LED.<\/p>\n

– Zegar czasu rzeczywistego
\n* Zegar czasu rzeczywistego z kalendarzem.<\/p>\n

– Automatyczne pobieranie konfiguracji:
\n* Tak.<\/p>\n

– Monitoring parametr\u00f3w technicznych i zdalna konfiguracja stacji:
\n* Monitoring napi\u0119cia zasilania, czas pracy modemu, si\u0142a sygna\u0142u sieci kom\u00f3rkowej.
\n* Generowanie i wysy\u0142anie alarm\u00f3w SMS oraz e-mail (dla parametr\u00f3w technicznych).
\n* Mo\u017cliwo\u015b\u0107 zdalnej zmiany cz\u0119stotliwo\u015bci wykonywania pomiar\u00f3w oraz transmisji danych.
\n* Automatyczne wysy\u0142anie zaleg\u0142ych danych po przywr\u00f3ceniu \u0142\u0105cza.<\/p>\n

– Sieciowanie datalogger\u00f3w:
\n* Mo\u017cliwo\u015b\u0107 \u0142\u0105czenia datalogger\u00f3w w jeden system przez LoRaWAN, GSM, LWM2M, Ethernet, NB-IoT.<\/p>\n

– Zakres temperatur pracy:
\n* Od -40\u00b0C do +65\u00b0C, bez potrzeby dodatkowego podgrzewania.<\/p>\n

– Konstrukcja:
\n* Klasa ochrony: IP68.
\n* Materia\u0142: odporny na promieniowanie UV ASA UL94HB.
\n* Kolor: bia\u0142y, zbli\u017cony do Munsell N8.75.<\/p>\n

– Wymiary:
\n* D\u0142ugo\u015b\u0107: 205mm
\n* Szeroko\u015b\u0107: 125mm
\n* Wysoko\u015b\u0107: 50mm<\/p>\n","protected":false},"excerpt":{"rendered":"

Datalogger Meteolab.AI ML7-2000PRO<\/span> do najbardziej zaawansowanych zastosowa\u0144 w monitoringu dowolnych paramatr\u00f3w atmosfery, gleby i wody.<\/p>\n","protected":false},"featured_media":8419,"comment_status":"open","ping_status":"closed","template":"","meta":[],"product_cat":[3068],"product_tag":[],"class_list":{"0":"post-8172","1":"product","2":"type-product","3":"status-publish","4":"has-post-thumbnail","6":"product_cat-rejestrator","8":"first","9":"instock","10":"shipping-taxable","11":"purchasable","12":"product-type-simple"},"etheme_brands":{"errors":{"invalid_taxonomy":["Nieprawid\u0142owa taksonomia."]},"error_data":[]},"_links":{"self":[{"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/product\/8172","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/product"}],"about":[{"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/types\/product"}],"replies":[{"embeddable":true,"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/comments?post=8172"}],"version-history":[{"count":3,"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/product\/8172\/revisions"}],"predecessor-version":[{"id":8469,"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/product\/8172\/revisions\/8469"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/media\/8419"}],"wp:attachment":[{"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/media?parent=8172"}],"wp:term":[{"taxonomy":"product_cat","embeddable":true,"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/product_cat?post=8172"},{"taxonomy":"product_tag","embeddable":true,"href":"https:\/\/meteolab.ai\/index.php\/wp-json\/wp\/v2\/product_tag?post=8172"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}