MachineEye: 5 ნაბიჯი

2024 ავტორი: John Day | [email protected]. ბოლოს შეცვლილი: 2024-01-30 10:15

მე გავაერთიანე Texas Instrument Sensor Tag CC2650 Raspberry Pi კამერას, რათა განვავითარო დაფა გასაოცარი ინფორმაციით. მე გავატარე პროექტი IBM Node Red გამოყენებით, რომელიც დამონტაჟებულია Raspberry Pi გამოსახულებაზე. კამერა უგზავნის მონაცემებს Microsoft Cognitive სერვისებს, რომ დაუბრუნოს აღწერილობა იმას, რასაც კამერა ხედავს. ეს მონაცემები შეიძლება გაიხსნას გაუთავებელ აპლიკაციებში. ჩემი მაგალითი არის მარტივი, რომელიც აჩვენებს შიდა ამინდის პირობებს და სურათს, რასაც აღწერს ის, რასაც კამერა ხედავს. მე

ნაბიჯი 1: საჭიროა აპარატურა და პროგრამული უზრუნველყოფა

ტექნიკა

1. ჟოლო Pi 3 (ასევე შეგიძლიათ გამოიყენოთ Pi 2 ან Pi მოდელი B)

2. Raspberry Pi კამერა

3. Texas Instruments CC2650 Sensor tag

4. SD ბარათი

პროგრამული უზრუნველყოფა

1. Raspbian Jessie Pixel ვერსიით: მარტი 2017

www.raspberrypi.org/downloads/raspbian/

2. Putty - ტერმინალი თქვენი Pi- ს დასაპროგრამებლად

www.chiark.greenend.org.uk/~sgtatham/putty/

3. დამატებითი კვანძი წითელი კვანძისათვის

მე დეტალურად განვიხილე Pi– ზე დაყენებული კვანძები მე –3 ნაბიჯში: დააყენეთ წითელი კვანძი.

ნაბიჯი 2:

ნაბიჯი 3: აპარატურის დაყენება

მე ვიყენებ Raspberry Pi 3 -ს და Sensor Tag CC2650 შეფუთულს 7 სენსორით. Raspberry Pi 3 – ს აქვს WiFi და Bluetooth, ასე რომ ჩვენ არ გვჭირდება ამდენი დონგლი. ჩემი ერთადერთი პროგრამული უზრუნველყოფა არის ჩემი უკაბელო მაუსის და კლავიშის დაფის გამოყენება. თქვენ შეგიძლიათ გამოიყენოთ Raspberry Pi– ს ოფიციალური ვებ – გვერდი სურათის ჩამოსატვირთად და თქვენი Pi– ს გასაშვებად:

www.raspberrypi.org/products/raspberry-pi-3-model-b/

Sensor Tag- ს მხოლოდ პლასტიკური ზოლები უნდა ჰქონდეს გაყვანილი და კარგი უნდა იყოს. თქვენ შეგიძლიათ გაიგოთ მეტი ინფორმაცია აქ.

www.ti.com/ww/en/wireless_connectivity/sensortag/tearDown.html

Raspberry Pi კამერას ასევე აქვს მრავალი ბლოგი, რომელიც დაგეხმარებათ კამერის დაყენებაში:

www.raspberrypi.org/products/camera-module/

ამ პროექტს აქვს ადაფრუტის სენსორული ეკრანი. ეს არჩევითია და არ არის საჭირო ამ პროექტისათვის.

ნაბიჯი 4: დააყენეთ წითელი კვანძი

Node Red არის ადვილად გამოსაყენებელი ინსტრუმენტი, რომელიც უკვე დაინსტალირებულია Raspberry Pi– ზე. მეტი ინფორმაცია შეგიძლიათ იხილოთ აქ:

nodered.org/

აქ ყველაზე მნიშვნელოვანი ნაბიჯი არის თქვენი ვერსიის განახლება Pi- ზე:

sudo განახლება-nodejs-and-node

ახლა შეამოწმეთ თქვენი ვერსია. მე ვიყენებ Putty ამ პროექტს, როგორც ჩემს ტერმინალს.

npm -v

3.10.10

კვანძი -v

6.10.0

ახლა თქვენი Node Red განახლებულია, ჩვენ ვაპირებთ დავამატოთ რამდენიმე კვანძი ჩვენს Raspberry Pi კამერასა და სენსორის ტეგთან დასაკავშირებლად. ყველა კვანძი უნდა იყოს დაინსტალირებული ამ დირექტორიაში:

ode/. კვანძი-წითელი

Დავიწყოთ !

npm დააინსტალირეთ node-red-contrib-camerapi

npm დააინსტალირეთ node-red-node-dweetio

npm დააინსტალირეთ node-red-contrib-freeboard

npm დააინსტალირეთ node-red-contrib-cognitive-services

npm დააინსტალირეთ node-red-node-sensortag

npm დააინსტალირეთ node-red-node-dropbox

ამას გარკვეული დრო დასჭირდება და თუ თქვენ მიიღებთ გაფრთხილებებს, ეს ნორმალურია. მე შევიტანე ინექციის კვანძი სურათების გადასაღებად განსაზღვრულ ინტერვალებში. Dweetio არის კამერის ხედვის კვანძისთვის, რომ წაიკითხოს აღწერილობა ან წარწერები სურათიდან და გაუგზავნოს მას Freeboard Dash Board ტექსტურ ყუთში. შემეცნებითი მომსახურება მოიცავს კომპიუტერული ხედვის კვანძს.

თქვენ უნდა მიიღოთ უფასო სააბონენტო გასაღები Microsoft– დან Computer Vision კვანძისათვის.

www.microsoft.com/cognitive-services/en-US/subscriptions?mode=NewTrials

Dropbox კვანძი შესანიშნავია ამ პროექტისთვის. მე გამოვიყენე ადაფრუტის სახელმძღვანელო აქ ნაპოვნი:

learn.adafruit.com/diy-wifi-raspberry-pi-touch-cam?view=all

გადაახვიეთ ქვემოთ Dropbox– ის დაყენებამდე. ეს უნდა მუშაობდეს ნებისმიერ Pi- ზე და მათ გაადვილეს დაყენება. ის დაგეხმარებათ Dropbox– ის დაყენებაში და როგორ შეიყვანოთ გასაღებები, რომლებიც გჭირდებათ Dropbox– თან დასაკავშირებლად. ეს არის საუკეთესო გაკვეთილი, რაც მე ვიპოვე. მაგრამ სურათის საინფორმაციო დაფაზე სანახავად მომიწია სურათის ბმულის შეცვლა. მე ავირჩიე გამოვიყენო Dropbox ინსტრუმენტი სახელწოდებით Chooser, რომ მივიღო პირდაპირი ბმული სურათზე გადმოწერილი Dropbox– ში. მე ვინახავ იგივე სახელს-j.webp

თქვენ რომ ნახოთ Node Red flow უბრალოდ გახსენით ბრაუზერი. მე მომწონს Chrome და ეს მხოლოდ მაგალითია ფორმატისთვის:

192.168.1.1:1880

ნაბიჯი 5: დააყენეთ DashBoard

FreeBoard Dashboard არის მოქნილი და მარტივი გზა მონაცემების ვიზუალიზაციისთვის მნიშვნელოვანი გზით. არსებობს ორი მონაცემთა წყარო და თითოეული მონაცემთა კომპლექტი "my-thing-name". მე ვუკავშირებ პირველ დვიტიოს კვანძს სახელწოდებით Machine Eye ფოტო კვანძთან. ეს გამოაგზავნის კამერის დატვირთვას ღრუბელში და მოგვცემს შესაძლებლობას მივიღოთ ინფორმაცია დაფაზე. ეს იქნება ტექსტური ყუთი.

მეორე Dweetio კვანძი არის სენსორის ტეგისთვის. ეს კვანძი დაკავშირებულია სენსორის ტეგით და კვლავ გაგზავნის სენსორების დატვირთვას ღრუბელში და კვლავ დაიჭერს. დაფაზე. მონაცემები რეალურ დროშია. მე დავამატე რამოდენიმე სენსორი ამ დემოზე.

სურათის ყუთი არის სურათის ფანჯარა, პირდაპირი ბმული Dropbox– თან. სურათი და აღწერა უნდა შეიცვალოს სურათის გააქტიურებისას.

ზემოთ მოყვანილი სურათი არის ჩემი კერამიკული კატის ფოტო გადაღება. ცოტა დამაგვიანდა კონკურსზე დარეგისტრირება და ჩვენი საშინელი ამინდის გამო კანადის ატლანტიკურ სანაპიროზე კამერის გარეთ გატანა ვერ მოვახერხე. ნალექი და ცივი ამინდი მოკლავს ჩემს ელექტრონიკას. მე ასევე მჭირდება ჩემი მეგობრები და მათი საუკეთესო ბეწვიანი ბავშვები, რომ მოვიდნენ ფოტოსესიისთვის.