TouchFree: ტემპერატურის ავტომატური შემოწმება და ნიღბის გამოვლენის კიოსკი: 5 ნაბიჯი

2024 ავტორი: John Day | [email protected]. ბოლოს შეცვლილი: 2024-01-30 10:16

მსოფლიოს ქვეყნები ხელახლა იხსნება, ახალი კორონავირუსით ცხოვრება ხდება ცხოვრების ახალი გზა. მაგრამ ვირუსის გავრცელების შესაჩერებლად ჩვენ უნდა გამოვყოთ კორონავირუსით დაავადებული ადამიანები დანარჩენებისგან.

CDC– ის თანახმად, ცხელება არის კორონავირუსის წამყვანი სიმპტომი, სიმპტომური პაციენტების 83% –მდე აღენიშნება ცხელების გარკვეული ნიშნები. ბევრი ქვეყანა ადგენს ტემპერატურის შემოწმებას და ნიღბებს სკოლების, კოლეჯების, ოფისებისა და სხვა სამუშაო ადგილებისთვის.

ამჟამად, ტემპერატურის შემოწმება ხდება ხელით უკონტაქტო თერმომეტრის გამოყენებით. ხელით შემოწმება შეიძლება იყოს არაეფექტური, არაპრაქტიკული (დიდი ნაკვალევის მქონე ადგილებში) და სარისკო.

ამ პრობლემების გადასაჭრელად, მე შევიმუშავე კიოსკი, რომელიც ავტომატიზირებს ტემპერატურის შემოწმების პროცესს სახის ორიენტირების და უკონტაქტო IR ტემპერატურის სენსორისა და ნიღბის გამოვლენის გამოყენებით ღრმა სწავლის ნერვული ქსელის გამოყენებით.

ამ კიოსკის გამოყენება არ შემოიფარგლება სკოლებით, კოლეჯებით, ოფისებით, სხვა სამუშაო ადგილებით, მაგრამ ასევე შეიძლება გამოყენებულ იქნას მაღალი რისკის მქონე სფეროებში, როგორიცაა საავადმყოფოები. ეს მოწყობილობა ასევე შეიძლება გამოყენებულ იქნას მატარებლის სადგურებში, ავტობუსების გაჩერებებში, აეროპორტებში და ა.

ამ პროექტისადმი ჩემი მიდგომა იყო გამარტივებული დაყენების პროცესის შემუშავება ისე, რომ ნებისმიერს შეუძლია გამოიყენოს ეს კომპიუტერული ხედვისა და ღრმა სწავლის წინასწარი გამოცდილების გარეშე. ეს არის სრულად ფუნქციონირებადი და მზადაა გამოსაყენებლად პროექტი. მე ეს პროექტი ძალიან პერსონალურად დავაყენე კოდის ფაილების დამატებით თითოეული ცალკეული ნაწილისა და სრული ვერსიისთვის. ამრიგად, თქვენ შეგიძლიათ გამოიყენოთ პროექტის რომელიმე ნაწილი ინდივიდუალურად.

განმარტება

პირველ რიგში, Tensorflow დაფუძნებული ღრმა სწავლის ნერვული ქსელი ცდილობს აღმოაჩინოს პირს ეცვა ნიღაბი თუ არა. სისტემა გამძლე გახდა მისი მრავალი სხვადასხვა მაგალითით მომზადებით, ცრუ პოზიტივების თავიდან ასაცილებლად.

ერთხელ, სისტემამ აღმოაჩინა ნიღაბი, რომელიც სთხოვს მომხმარებელს ამოიღონ ნიღაბი, რათა მას შეეძლოს შეასრულოს სახის ორიენტირება. სისტემა იყენებს DLIB მოდულს სახის საორიენტაციოდ, რათა იპოვოს საუკეთესო ლაქა იმ პირის შუბლზე, საიდანაც ტემპერატურა უნდა მიიღოს.

შემდეგ Servo Motors– ით PID კონტროლის სისტემის გამოყენებით, სისტემა ცდილობს შუბლზე არჩეული ადგილის გასწორებას სენსორთან. მას შემდეგ რაც სისტემა გაათანაბრდება სისტემა იღებს ტემპერატურის კითხვას უკონტაქტო IR ტემპერატურის სენსორის გამოყენებით.

თუ ტემპერატურა ნორმალურია ადამიანის სხეულის ტემპერატურის დიაპაზონში, ეს საშუალებას აძლევს პირს გააგრძელოს და აგზავნის ელ.წერილს ადმინისტრატორთან სურათებით და სხვა დეტალებით, როგორიცაა სხეულის ტემპერატურა და ა.

მარაგები

ტექნიკა

1. ჟოლო Pi მოდელი 2/3/4
2. Raspberry Pi კამერის მოდული v1/v2
3. უკონტაქტო ინფრაწითელი ტემპერატურის სენსორის მოდული (MLX90614)
4. Raspberry Pi სენსორული ეკრანი (ან ზოგადი 3.5 ინჩიანი სენსორული ეკრანი) (სურვილისამებრ)
5. პან ტილტის ნაკრები
6. SG90 მიკრო ციფრული სერვო x 2
7. MicroSD ბარათი
8. Raspberry Pi დენის ადაპტერი

პროგრამული უზრუნველყოფა

1. Raspberry Pi OS (ადრე ცნობილი როგორც Raspbian)
2. Tensorflow-2.2.2
3. OpenCV
4. DLIB სახის ორიენტირება