MachineEye: 5 مرحله

2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:51

من Texas Instrument Sensor Tag CC2650 را با دوربین Raspberry Pi ترکیب کرده ام تا یک داشبورد با اطلاعات عالی ایجاد کنم. من پروژه را با استفاده از IBM Node Red که روی تصویر Raspberry Pi نصب شده است سیم کشی کردم. دوربین داده ها را برای خدمات Microsoft Cognitive ارسال می کند تا توضیحاتی را که دوربین می بیند برگرداند. این داده ها می تواند برای برنامه های بی پایان باز شود. مثال من یک مثال ساده است که شرایط داخل آب و هوایی را نشان می دهد و تصویری با شرح آنچه دوربین می بیند نشان می دهد. من

مرحله 1: سخت افزار و نرم افزار مورد نیاز است

سخت افزار

1. Raspberry Pi 3 (همچنین می توانید از Pi 2 یا Pi مدل B استفاده کنید)

2. دوربین رزبری پای

3. تگ سنسور Texas Instruments CC2650

4. کارت SD

نرم افزار

1. Raspbian Jessie با نسخه پیکسل: مارس 2017

www.raspberrypi.org/downloads/raspbian/

2. بتونه - پایانه ای برای برنامه ریزی Pi شما

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

3. گره اضافی برای Node Red

من در مرحله 3 گره هایی را که باید روی Pi نصب شوند توضیح دادم: Node Red را راه اندازی کنید.

گام 2:

مرحله 3: سخت افزار را تنظیم کنید

من از Raspberry Pi 3 و Sensor Tag CC2650 با 7 سنسور استفاده می کنم. رزبری پای 3 دارای WiFi و بلوتوث است ، بنابراین ما به تعداد زیادی دانگل نیاز نداریم. تنها دانگل من استفاده از ماوس بی سیم و صفحه کلید است. برای بارگیری تصویر و راه اندازی Pi خود می توانید از وب سایت رسمی Raspberry Pi استفاده کنید:

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

برچسب سنسور فقط نیاز به کشیدن نوار پلاستیکی دارد و باید خوب باشد. در اینجا می توانید اطلاعات بیشتری کسب کنید.

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

دوربین رزبری پای همچنین دارای وبلاگ های متعددی است که به شما در تنظیم دوربین کمک می کند:

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

این پروژه دارای صفحه لمسی Adafruit است. این اختیاری است و برای این پروژه لازم نیست.

مرحله 4: Node Red را راه اندازی کنید

Node Red یک ابزار آسان برای استفاده است که قبلاً روی رزبری پای نصب شده است. اطلاعات بیشتر را می توان در اینجا یافت:

nodered.org/

مهمترین مرحله در اینجا این است که نسخه خود را در Pi به روز کنید:

sudo update-nodejs-and-node

حالا نسخه خود را بررسی کنید. من از Putty برای این پروژه به عنوان پایانه خود استفاده می کنم.

npm -v

3.10.10

گره -v

6.10.0

اکنون Node Red شما به روز شده است و ما قصد داریم چند گره برای اتصال به برچسب رزبری پای دوربین و سنسور خود اضافه کنیم. همه گره ها باید در این فهرست نصب شوند:

~/.node-red

بیایید شروع کنیم !

npm node-red-contrib-camerapi را نصب کنید

npm node-red-node-dweetio را نصب کنید

npm node-red-contrib-freeboard را نصب کنید

npm خدمات گره-قرمز-مشارکت-شناختی را نصب کنید

npm node-red-node-sensortag را نصب کنید

npm node-red-node-dropbox را نصب کنید

این کار مدتی طول می کشد و در صورت دریافت هشدارها مشکلی نیست. من یک گره تزریق برای عکس گرفتن در فواصل مشخص شده قرار داده ام. Dweetio این است که گره Camera Vision توضیحات یا برچسب های تصویر را بخواند و به جعبه متن Freeboard Dashboard ارسال کند. خدمات شناختی شامل گره بینایی کامپیوتر است.

شما باید یک کلید اشتراک رایگان از Microsoft برای گره Computer Vision دریافت کنید.

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

گره Dropbox برای این پروژه مناسب است. من از راهنمای Adafruit موجود در اینجا استفاده کردم:

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

به قسمت Dropbox Setup بروید. این باید روی هر Pi کار کند و آنها تنظیم را بسیار ساده تر کرده اند. این برنامه شما را برای راه اندازی Dropbox و نحوه وارد کردن کلیدهای مورد نیاز برای اتصال به Dropbox راهنمایی می کند. این بهترین آموزشی است که من پیدا کرده ام. اما برای دیدن تصویر در داشبورد ، مجبور شدم پیوند تصویر را تغییر دهم. من ترجیح دادم از یک ابزار Dropbox به نام Chooser برای دریافت پیوند مستقیم به تصویر بارگیری شده در Dropbox استفاده کنم. من برای تصویر-j.webp

برای مشاهده Node Red flow فقط یک مرورگر را باز کنید. من Chrome را دوست دارم و این فقط یک مثال برای قالب است:

192.168.1.1:1880

مرحله 5: DashBoard را راه اندازی کنید

داشبورد FreeBoard روشی انعطاف پذیر و آسان برای تجسم داده ها به صورت معنی دار است. دو منبع داده تنظیم شده است و هر مجموعه داده دارای یک "my-thing-name" است. من اولین گره dweetio به نام Machine Eye را به گره عکس متصل می کنم. با این کار بار دوربین به ابر ارسال می شود و به ما امکان می دهد اطلاعات داشبورد را ضبط کنیم. این یک جعبه متن خواهد بود.

دومین گره Dweetio مربوط به برچسب سنسور است. این گره به برچسب سنسور متصل می شود و بار بار دیگر سنسورها را به ابر ارسال می کند و دوباره ضبط می شود. روی داشبورد داده ها در زمان واقعی است. من برخی از پنجره های حسگر را برای این نسخه نمایشی اضافه کرده ام.

جعبه تصویر یک صفحه تصویر با لینک مستقیم به Dropbox است. هر بار که یک عکس فعال می شود ، تصویر و توضیحات باید تغییر کند.

تصویر بالا یک عکس از گربه سرامیکی من است. من برای ثبت نام در مسابقه کمی دیر شدم و به دلیل آب و هوای وحشتناک ما در ساحل اقیانوس اطلس کانادا نتوانستم دوربین را بیرون بیاورم. بارش باران و هوای سرد لوازم برقی من را از بین می برد. من همچنین نیاز دارم که دوستانم و بهترین نوزادان خز آنها برای عکاسی بیایند.