Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 שלבים

2024 מְחַבֵּר: John Day | [email protected]. שונה לאחרונה: 2024-01-30 09:12

A nossa lixeira inteligente consiste na separação automática do lixo. מצלמת רשת, המזהה את העזרה ואת ההדפסה, אין שום התאמה לאירועים האחרונים.

שלב 1: Lixo, Um Problema Mundial

Um dos principais problemas encontrado no meio urbano, especialmente nas grandes cidades é o lixo sólido, resultado de uma sociedade que a cada dia consome mais.

Para ter uma noção mais ampla do problema tomemos a cidade de São Paulo como exemplo, em média cada pessoa producer diariamente entre 800 ga 1 kg de lixo diário, ou de 4 a 6 litros de dejetos, por dia são gerados 15.000 toneladas de lixo, isso correspondonde a 3.750 caminhões carregados diariamente. Em um ano esses caminhões enfileirados cobririam o trajeto entre a cidade de São Paulo e Nova Iorque, ida e volta.

שלב 2: Por Que Separar O Lixo?

Com a separação dos lixos fica mais fácil e rápida a reciclagem do material..

שלב 3: זכאים לסולוסאו?

Nossa solução é uma Lixeira feita com materiais também recicláveis que analisa o tipo de lixo eo descarta no compartimento correto. capaz de aprender e reconcecer o material do objeto descartado (papel, metal, plástico, vidro ou outros). acionado para fazer o despejo.

שלב 4: Quais בשם Tecnologias Utilizadas?

תוֹכנָה:

- OpenCV

- מסווג מפל Haar

- פייתון

- MRAA

- לינוקס (דביאן)

חוּמרָה:

- דרגוןבורד 410c

- קומת ביניים 96 לוח

- מנועים DC

- מנוע נהג Ponte H L298N

- Fonte ATX 230W

- מצלמת אינטרנט

שלב 5: Algoritmos E Códigos

צד 1 - OpenCV, סטטיסטיקה

Como o treinamento for reconecer os 5 tipos de materiais descritos no Step 3 demoraria muito, decididor afunilar o problema e detectar apenas latas e garrafas de plástico para comprovar a prova do conceito. Essa detecção ocorreu nos seguintes passos.

1 - Treinamento: Foram utilizadas 20 imagens divididas entre garrafas e latas

2 - Detecção:

2.1 - ממיר תמונה עבור espaço de cor HSV. Aumentar 'V' por um fator de 2 com or objetivo de ter features mais visíveis.

2.2 - Encontrar gradiente de Sobel nos eixos x e y.

2.3 - Computar a magnitude com iguais pesos em ambas as direções.

2.4 - הסבר על אוטו דה תמונת התצלום.

2.5 - סגירת תוכנה לעריכת תמונות.

2.6 - אפליקציה או גלאי דה בורדס קאני

2.7 - Calcula a transformada de linha de Hough

2.8 - Enquadrar bordas do objeto num retângulo.

2.9 - Checar proporção largura x altura para comparação com o banco de dados. אין כל סוג של מודל חיובי ושלילי.

3 - Separação: Dado a saída da etapa anterior (garrafa ou lata), movemos a esteira (motor) para o lado esquerdo ou direito despejando o objeto e acendendo um LED para indicar que o processo ocorreu com sucesso.

3.1 - Devido a tensão de saída da DragonBoard ser de apenas 1.8V nos pinos digitais e os drivers dos motores requererem uma tensão de entrada de no mínimo 5 V, utilizamos as saídas 12 V de uma fonte ATX de 230 W.

3.2 - Nesta etapa utilizamos o mraa for mapear os dois polos do motor em pinos de entrada na mezzanine board para podermos girar a esteira em ambas as direções.

הערה: חשוב לי להסיר את המפה או המפות של הלוח הביתי במתנה/לימוד/sys/class/gpio.

4 - Armazenamento de dados:

מידע זה יכול להוות מידע על תוכניות שונות של AWS IoT או על מנת להבחין באתרים המתאימים ביותר. Essas dados são trocados utilizando o protocolo MQTT onde é possível o envio and recebimento de informações de forma biirecional.

שלב 6: Imagens Do Protótipo Em Construção. (גרסאות 1.0 E 2.0)

שלב 7: Autores Do Projeto

Da esquerda pra direita:- David Carvalho- Lucas Azevedo- Rodrigo Alves- Larissa Lages- Manoela Vieira- Bianca Lisle- Andréa DuqueAgradecimentos: Angelo Brito, Thiago Pinheiro, Heitor Araújo e à todos que nos ajudaram diretamente e indiretamente.