תוכן עניינים:
- שלב 1: חומרה: עיצוב מעגלים
- שלב 2: חומרה: הדפסה תלת מימדית
- שלב 3: חומרה: חיתוך בלייזר
- שלב 4: תוכנה: איסוף נתונים
- שלב 5: תוכנה: הכשרת מערך הנתונים הנאספים
- שלב 6: תוכנה: חיזוי השיעורים
וִידֵאוֹ: זיהוי מכשירים בזמן אמת באמצעות עקבות EM: 6 שלבים
2024 מְחַבֵּר: John Day | [email protected]. שונה לאחרונה: 2024-01-30 09:12
מכשיר זה נועד לסווג מכשירים אלקטרוניים שונים על פי אותות ה- EM שלהם. עבור מכשירים שונים, יש להם אותות EM שונים הנפלטים על ידיו. פיתחנו פתרון IoT לזיהוי המכשירים האלקטרוניים באמצעות ערכת פוטון חלקיקים. ניתן ללבוש את המכשיר הלביש שלנו על פרק כף היד הכולל חיבור קומפקטי של פוטון חלקיקים עם תצוגת OLED וחיבור מעגל מפוטון חלקיקים לאנטנה המסופקת בערכה.
ניתן לשלב מכשיר זה עוד יותר כדי לשלוט במכשירים האלקטרוניים ולהפוך אותם ל"מכשירים חכמים "עם כל תוכנות הקוד הפתוח, כך שתוכל לשלוט בו, לשנות או לשפר את היכולת של מכשיר זה.
שלב 1: חומרה: עיצוב מעגלים
רכיבים: (מתוך ערכת Maker Particle)
ניתן לרכוש את הערכה מאתרים מקוונים שונים.
- אתר אמזון
- אתר חלקיקים
- אתר Adafruit
- לוח פיתוח של חלקיקי פוטון
- נגדים x 3 - 1 מגאוהם
- 3-5V 0.96 אינץ 'תצוגת OLED סידורי 128X64 SPI טורי
- אנטנה (לקבלת הקריאות/עקבות EM)
שלב 2: חומרה: הדפסה תלת מימדית
- עיצבנו את חוגת רצועת היד שלנו באמצעות מדפסת תלת מימד.
- דגם התלת מימד תוכנן ביישום Shapr3D באמצעות iPad Pro.
- קובץ stl של דגם התלת-ממד יובא ונדחק לתוכנת Qidi מכיוון שהשתמשנו במדפסת X-one-2 Qidi Tech.
- מדפסת תלת מימד לקחה בערך 30 דקות להדפיס את הדגם.
- קישור לקובץ stl.
שלב 3: חומרה: חיתוך בלייזר
- עיצבנו את תבנית רצועת היד באמצעות Adobe Illustrator.
- הדגם המעוצב יצא לאחר מכן למכונת יוניברסל לייזר, שם חתכנו את העץ לרצועת יד גמישה.
- קישור לקובץ svg.
שלב 4: תוכנה: איסוף נתונים
-
באמצעות פוטון, פרסום 3 x 100 נתונים ערך לכל מופע אפשרי.
- כתיבת הנתונים מפוטון ל- data.json בשרת הצמתים.
- ניתוח הנתונים משרת הצומת ל- MATLAB.
- הנתונים שנשלחו ל- MATLAB הם בצורה של 1 x 300.
שלב 5: תוכנה: הכשרת מערך הנתונים הנאספים
- נתחים של 1 x 300 - הזנה ל- MATLAB. (לכל מכשיר 27 דגימות שנאספו) 27 x 300 נתונים שנאספו.
- נוספו תכונות לנתונים - (5 תכונות) - ממוצע, חציון, סטיית תקן, עקמומיות, קורטוזיס.
- הכשרת הנתונים לארגז כלים לסיווג MATLAB
- בדיקת נתונים לא מקוונים (6 x 6) באותו ארגז כלים
שלב 6: תוכנה: חיזוי השיעורים
נְבוּאָה
אחזור הנתונים החיים באמצעות פוטון
שליחת הנתונים הגולמיים לשרת הצומת. (הנתונים נשמרים בקובץ data.json)
סקריפט MATLAB לקריאת הנתונים מקובץ data.json ולניבוי התוצאה
מוּמלָץ:
קובץ קוביית רוביק בזמן אמת באמצעות פטל פי ו- OpenCV: 4 שלבים
קובץ הקוביות של רוביק בזמן אמת באמצעות פטל פי ו- OpenCV: זוהי הגרסה השנייה של כלי הקוביות של רוביק שמיועד לפתרון בעיניים עצומות. הגרסה הראשונה פותחה על ידי javascript, אתה יכול לראות את הפרויקט RubiksCubeBlindfolded1 בניגוד לגרסה הקודמת, גרסה זו משתמשת בספריית OpenCV כדי לזהות את הצבעים ואת
פוסטשירט: זיהוי יציבה לבישה בזמן אמת: 9 שלבים
Postshirt: זיהוי יציבה לבישה בזמן אמת: Postshirt היא מערכת לאיתור תנוחות אלחוטיות בזמן אמת המעבירה ומסווגת נתוני מד תאוצה מנוצה Adafruit ליישום אנדרואיד באמצעות Bluetooth. המערכת השלמה יכולה לזהות בזמן אמת אם למשתמש יש יציבה לא טובה ו
זיהוי פנים בזמן אמת ב- RaspberryPi-4: 6 שלבים (עם תמונות)
זיהוי פנים בזמן אמת ב- RaspberryPi-4: במדריך זה אנו הולכים לבצע זיהוי פנים בזמן אמת ב- Raspberry Pi 4 עם Shunya O/S באמצעות ספריית Shunyaface. תוכל להשיג קצב מסגרות זיהוי של 15-17 ב- RaspberryPi-4 על ידי ביצוע הדרכה זו
שעון זמן אמת בזמן אמת: 4 שלבים
שעון זמן אמת סביבתי: AimI יצרתי את השעון הזה כי יש לי פס LED שניתן להתייחס אליו ואני רוצה להשתמש בו. ואז ראיתי שלחדר שלי אין שעון טוב התואם את הקירות שלו. אז החלטתי להכין שעון שיכול לשנות את צבעו בהתאם למצב הרוח של המשתמש או
זיהוי פנים בזמן אמת: פרויקט מקצה לקצה: 8 שלבים (עם תמונות)
זיהוי פנים בזמן אמת: פרויקט מקצה לקצה: בהדרכה האחרונה שלי בחקר OpenCV למדנו מעקב אחר אובייקטים אוטומטיים של VISION. כעת נשתמש ב- PiCam שלנו לזיהוי פרצופים בזמן אמת, כפי שניתן לראות להלן: פרויקט זה בוצע באמצעות ספריית החזון הממוחשבת של קוד פתוח "