آشکارساز مرغ مگس خوار/تصویر ساز: 12 مرحله (همراه با تصاویر)

2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:57

ما در عرشه پشتی خود یک تغذیه کننده مرغ مگس خوار داریم و در چند سال اخیر من از آنها عکس می گیرم. مرغ مگس خوار موجودات کوچک شگفت انگیزی هستند ، بسیار سرزمینی و دعواهای آنها می تواند هم خنده دار و هم شگفت انگیز باشد. اما من از ایستادن مثل مجسمه در پشت خانه ام خسته شده بودم تا از آنها عکس بگیرم. من به راهی نیاز داشتم که بتوانم بدون نیاز به ایستادن طولانی مدت پشت خانه ، عکس بگیرم. می دانم که می توانستم از شاتر کنترل از راه دور استفاده کنم ، اما می خواستم بدون نیاز به حضور در آنجا ، عکس ها به طور خودکار گرفته شوند. بنابراین تصمیم گرفتم وسیله ای بسازم که بتواند پرندگان هملیگ را تشخیص دهد و بطور خودکار عکس بگیرد.

من همیشه قصد داشتم از یک میکروکنترلر برای این کار استفاده کنم. میکروکنترلر می تواند شاتر دوربین را تحت کنترل نرم افزار هدایت کند. اما سنسور تشخیص یک مرغ مگس خوار چیز دیگری بود. من می توانستم از سنسور حرکت استفاده کنم اما می خواستم چیزی منحصر به فرد را امتحان کنم. تصمیم گرفتم از صدا به عنوان ماشه استفاده کنم.

مرحله 1: انتخاب میکروکنترلر

میکروکنترلری که من انتخاب کردم PJRC Teensy بود. Teensy از میکروکنترلر ARM ، به طور خاص ، ARM Cortex M4 استفاده می کند. Cortex M4 دارای سخت افزار برای انجام FFT (تبدیل سریع فوریه) است که تشخیص را انجام می دهد. PJRC همچنین یک تخته صوتی می فروشد که به شما امکان می دهد از Teensy برای پخش موسیقی و همچنین ضبط صدا با ورودی خارجی یا میکروفون کوچکی که می توانید به برد اضافه کنید ، استفاده کنید. برنامه من این بود که Teensy FFT را روی صدا از میکروفون اجرا کند.

مرحله 2: FFT؟

FFT یک فرمول/الگوریتم ریاضی است که یک سیگنال را از حوزه زمان به حوزه فرکانس تبدیل می کند. این بدان معناست که صدای صوتی نمونه برداری شده را از میکروفون گرفته و آن را به اندازه فرکانس های موجود در موج اصلی تبدیل می کند. می بینید ، هر موج دلخواه و پیوسته می تواند از مجموعه ای از امواج سینوسی یا کسینوس ساخته شود که مضرب های صحیح چند فرکانس پایه هستند. FFT برعکس عمل می کند: موجی دلخواه می گیرد و آن را به اندازه امواج تبدیل می کند که اگر با هم جمع شوند ، موج دلخواه اصلی را ایجاد می کنند. یک راه ساده تر برای گفتن این است ، من قصد داشتم از نرم افزار و سخت افزار FFT در Teensy استفاده کنم تا تعیین کنم که آیا صدای بال زدن یک مرغ مگس خوار را با فرکانسی که فلپ بال ایجاد می کند "می شنود". اگر یک مرغ مگس خوار "بشنود" ، من یک فرمان به دوربین ارسال می کنم تا عکس بگیرد.

کار کرد! بنابراین ، چگونه این کار را انجام دادم ، چگونه می توانستید آن را انجام دهید و چگونه می توانید آن را حتی بهتر کنید؟

مرحله 3: صدای پرنده مگس خوار چگونه است؟

در وهله اول ، من نیاز داشتم که بفهمم با چه فرکانسی صدای بال بال مرغ مگس خوار را می شنوم. برای تعیین این ، از iPhone خود استفاده کردم. آیفون را به سه پایه وصل کردم و از آن خواستم تا فیلم آهسته را مستقیماً در جلوی تغذیه کننده مرغ مگس خوار روی عرشه ما ضبط کند. بعد از مدتی دوربین را برداشتم و فیلم را بارگیری کردم. سپس ویدیو را تماشا کردم که به دنبال یک مرغ مگس خوار جلوی فیدر بود. وقتی یک سکانس خوب پیدا کردم ، تعداد فریم های جداگانه ای را که برای مرغ مگس خوار لازم بود را شمردم تا بتواند بالهای خود را از یک موقعیت به هم باز کند و به همان موقعیت بازگردد. حرکت آهسته در iPhone حدود 240 فریم در ثانیه است. من یک مرغ مگس خوار را دیدم که در جلوی فیدر معلق بود و برای آن 5 فریم را شمردم تا بتواند بالهای خود را از موقعیت جلو به عقب برگرداند و سپس به موقعیت جلو بازگردد. این 5 فریم از 240 است. به یاد داشته باشید ، ما در هر ضربه بال بال مرغ مگس خوار صدایی می شنویم (یکی در ضربه جلو و دیگری در ضربه عقب). برای 5 فریم برای یک چرخه یا دوره ، می توان فرکانس را بر فرض تقسیم بر دوره 1 / (5/240) یا 48 هرتز محاسبه کرد. این بدان معناست که وقتی این مرغ مگس خوار معلق است ، صدایی که می شنویم باید دو برابر این یا حدود 96 هرتز باشد. فرکانس احتمالاً هنگام پرواز و معلق نبودن بیشتر است. همچنین ممکن است تحت تأثیر جرم آنها قرار گیرد ، اما من فکر می کنم می توان فرض کرد که اکثر پرندگان یک گونه تقریباً جرم یکسانی دارند.

مرحله 4: سری فوریه و نوجوانان

Teensy (من از Teensy 3.2 استفاده کردم) توسط PJRC (www.pjrc.com) ساخته شده است. FFT بر روی یک نمونه صدا محاسبه می شود. برای به دست آوردن صدا ، PJRC یک برد آداپتور صدا را برای Teensy می فروشد (TEENSY3_AUDIO - 14.25 دلار). آنها همچنین میکروفون کوچکی را می فروشند که می تواند به برد آداپتور صدا لحیم شود (MICROPHONE - 1.25 دلار). برد آداپتور صدا از یک تراشه (SGTL5000) استفاده می کند که Teensy می تواند از طریق گذرگاه سریال (I2S) با آن صحبت کند. Teensy از SGTL5000 برای نمونه برداری از صدا از میکروفون و دیجیتالی کردن آن استفاده می کند ، یعنی مجموعه ای از اعداد را ایجاد می کند که صدایی را که میکروفون می شنود نشان می دهد.

FFT فقط یک نسخه سریع از چیزی است که به آن تبدیل فوریه گسسته (DFT) می گویند. DFT را می توان بر روی تعداد دلخواه از نمونه ها انجام داد ، با این حال ، یک FFT باید نمونه ها را در مجموعه هایی که چند ضرب دودویی هستند ذخیره کند. سخت افزار Teensy می تواند FFT را روی مجموعه ای از 1024 نمونه (1024 = 2^10) انجام دهد ، بنابراین ما از آن استفاده می کنیم.

FFT معمولاً به عنوان خروجی ، بزرگی و روابط فازی بین امواج مختلف ارائه شده را تولید می کند. برای این برنامه ما به روابط فاز توجه نداریم ، اما ما به بزرگی و فراوانی آنها علاقه داریم.

برد صوتی Teensy صدا را با فرکانس 44 ، 100 هرتز نمونه گیری می کند. بنابراین ، 1024 نمونه در این فرکانس نشان دهنده فاصله زمانی 1024/44100 یا حدود 23.2 میلی ثانیه است. در این حالت ، FFT به عنوان خروجی ، مقادیری را که مضرب صحیح دوره نمونه 43 هرتز هستند تولید می کند (باز هم ، 1/0.0232 برابر با حدود 43 هرتز). ما می خواهیم قدرهایی را که تقریباً دو برابر این فرکانس هستند جستجو کنیم: 86 هرتز. این دقیقاً فرکانس بالهای محاسبه شده مرغ مگس خوار ما نیست ، اما همانطور که خواهیم دید به اندازه کافی نزدیک است.

مرحله 5: استفاده از داده های فوریه

کتابخانه هایی که PJRC برای Teensy فراهم می کند نمونه ها را پردازش می کند و مجموعه ای از مقادیر قدر را برمی گرداند. ما به هر بزرگی در آرایه برگشتی به عنوان یک سطل زباله اشاره می کنیم. اولین بن (در افست صفر در آرایه داده هایی که به دست می آوریم) جبران DC موج است. ما می توانیم با خیال راحت این مقدار را نادیده بگیریم. سطل دوم (در افست 1) نشان دهنده بزرگی جزء 43 هرتز است. این دوره پایه ما است. سطل بعدی (در افست 2) نشان دهنده بزرگی جزء 86 هرتز و غیره است. هر سطل بعدی یک عدد صحیح از دوره پایه (43 هرتز) است.

حالا اینجا جایی است که کمی عجیب می شود. اگر از FFT برای تجزیه و تحلیل صدای کامل 43 هرتز استفاده کنیم ، FFT اولین سطل را در مقداری بزرگ باز می گرداند و بقیه سطل ها برابر صفر می شود (باز هم ، در یک دنیای کامل). اگر صدایی که ضبط و تجزیه و تحلیل کردیم 86 هرتز بود ، سطل در افست یک صفر و سطل در افست 2 (هارمونیک دوم) مقداری بزرگ و بقیه سطل ها صفر بود و غیره. اما اگر صدای یک مرغ مگس خوار را بگیریم و آن 96 هرتز باشد (همانطور که من روی یک پرنده خود اندازه گیری کردم) مقدار افست 2 bin @ 86 هرتز مقدار کمی کمتر (از موج کامل 86 هرتز) و سطل های اطراف آن (یکی پایین تر و چند بالاتر) هر کدام دارای مقدار غیر صفر در حال کاهش است.

اگر اندازه نمونه FFT ما بزرگتر از 1024 بود یا اگر فرکانس نمونه برداری صوتی ما کمتر بود ، می توانستیم وضوح سطل زباله خود را بهتر (یعنی کوچکتر) کنیم. اما حتی اگر این موارد را تغییر دهیم تا سطل های FFT ما چند برابر هرز دوره پایه شوند ، باز هم مجبوریم با این "ریختن سطل" مقابله کنیم. این به این دلیل است که ما هرگز فرکانس بال را که همیشه و دقیقاً روی یک سطل زباله فرود می آید دریافت نمی کنیم. این بدان معناست که ما نمی توانیم تشخیص یک مرغ مگس خوار را بر اساس مقدار موجود در سطل جابجایی 2 و بقیه را نادیده بگیریم. ما به روشی نیاز داریم که داده ها را در چند سطل تجزیه و تحلیل کنیم تا بتوانیم آن را معنا کنیم. بعداً در این باره بیشتر.

مرحله 6: شروع به ساخت کنید

برای نمونه اولیه آشکارساز مرغ مگس خوار ، از سنجاق های مردانه و مردانه بلند دیگری استفاده کردم که در سنین نوجوانی به پین ها لحیم شده بود. من این کار را کردم تا بتوانم Teensy را به یک تخته نان کوچک لحیم کاری وصل کنم. من این کار را انجام دادم زیرا تصور می کردم که تغییرات زیادی در نمونه اولیه ایجاد می کنم و با تخته نان ، می توانم این را تغییر دهم و فقط سیم ها را در هر کجا که نیاز دارم تغییر دهم. من نوارهای زن را در قسمت پایینی برد صوتی لحیم کردم که به آن اجازه می دهد بالای Teensy متصل شود. میکروفون به قسمت بالای برد صوتی لحیم شده است (تصاویر را ببینید). جزئیات بیشتر در مورد مونتاژ را می توانید در سایت PJRC مشاهده کنید:

(https://www.pjrc.com/store/teensy3_audio.html).

مرحله 7: سخت افزار برای گرفتن عکس

من (خوب ، همسرم) یک دوربین دیجیتال کانن Rebel دارد. یک جک روی دوربین وجود دارد که به شما امکان می دهد یک کنترل شاتر از راه دور دستی را متصل کنید. من یک کنترل از راه دور دستی از B&H Photo خریدم. کابل دارای جک مناسب برای قرار دادن دوربین در یک طرف است و حدود 6 فوت طول دارد. من کابل را در انتها در نزدیکی جعبه کنترل دکمه بریدم و سیمها را از پشت جدا کردم و آنها را به سه پایه هدر لحیم کردم که می توانم آنها را به تخته نان متصل کنم. یک سیم برهنه است که زمین می شود و دو سیگنال دیگر: نوک ماشه (صورتی) و حلقه (سفید) فوکوس است (تصاویر را ببینید). کوتاه کردن نوک و/یا حلقه به زمین باعث عملکرد شاتر و فوکوس روی دوربین می شود.

با استفاده از یک سیم جامپر ، یک راه مشترک را از Teensy به منطقه ای رساندم که بتوانم از آن روی تخته نان استفاده کنم. همچنین آند یک LED را به پین 2 Teensy و کاتد LED را به یک مقاومت (100-220 اهم) به زمین وصل کردم. من همچنین پین 2 Teensy را به یک مقاومت 10K و طرف دیگر مقاومت را به پایه یک ترانزیستور NPN وصل کردم (2N3904 در همه جا یافت می شود). من ساطع کننده ترانزیستور را به زمین و کلکتور را از کابل که به دوربین می رود به سیمهای سفید و صورتی متصل کردم. سیم برهنه دوباره به زمین متصل شد. هر زمان که LED توسط Teensy روشن شود ، ترانزیستور NPN نیز روشن می شود و دوربین (و فوکوس) را فعال می کند. شماتیک را ببینید.

مرحله 8: طراحی سیستم

از آنجا که فرکانس های تکان دادن بال مرغ مگس خوار از چند صد هرتز فراتر نمی رود ، بنابراین ما واقعاً نیازی به ضبط فرکانس های صوتی بالاتر ، مثلاً چند صد هرتز نداریم. چیزی که ما نیاز داریم راهی برای فیلتر کردن فرکانس های مورد نظر ما است. فیلتر باند یا حتی فیلتر پایین گذر عالی خواهد بود. به طور سنتی ما یک فیلتر را در سخت افزار با استفاده از OpAmps یا فیلترهای خازن سوئیچ پیاده سازی می کنیم. اما به لطف پردازش سیگنال دیجیتالی و کتابخانه های نرم افزاری Teensy ، می توانیم از یک فیلتر دیجیتال (بدون لحیم کاری … فقط نرم افزار) استفاده کنیم.

PJRC دارای GUI عالی است که به شما امکان می دهد سیستم صوتی خود را برای برد Teensy و صوتی بکشید و رها کنید. میتوانید اینجا پیدایش کنید:

www.pjrc.com/teensy/gui/

تصمیم گرفتم از یکی از فیلترهای آبشار دوپارچه ارائه شده توسط PJRC برای محدود کردن فرکانس های صدا از میکروفون (فیلتر) استفاده کنم. من سه فیلتر از این دست را بارگذاری کردم و آنها را برای عملکرد باند در 100 هرتز تنظیم کردم. این فیلتر فرکانس های سیستم را کمی بالاتر و کمی کمتر از فرکانس مورد علاقه ما وارد می کند.

در نمودار بلوک (تصویر را ببینید) i2s1 ورودی صدا به برد صوتی است. من هر دو کانال صوتی را به میکسر و سپس به فیلترها وصل کردم (میکروفون فقط یک کانال است ، اما ، هر دو را مخلوط کردم تا مجبور نشوم بفهمم کدام کانال است … مرا تنبل صدا کنید). خروجی فیلتر را به خروجی صدا اجرا می کنم (بنابراین اگر بخواهم می توانم صدا را بشنوم). من همچنین صدا را از فیلترها به بلوک FFT وصل کردم. در نمودار بلوک ، بلوک با برچسب sgtl5000_1 تراشه کنترل کننده صدا است. در نمودار نیازی به اتصال ندارد.

پس از انجام تمام مراحل ساخت بلوک ، روی Export کلیک کنید. با این کار یک کادر محاوره ای ظاهر می شود که در آن می توانید کدی را که از نمودار بلوک ایجاد شده کپی کرده و در برنامه Teensy خود جایگذاری کنید. اگر به کد نگاه کنید می بینید که این یک نمونه از هر کنترل همراه با "اتصالات" بین اجزا است.

مرحله 9: کد

در این دستورالعمل فضای زیادی صرف می شود تا نرم افزار را با جزئیات مرور کنید. آنچه من سعی می کنم انجام دهم این است که برخی از قطعات کلیدی کد را برجسته کنم. اما به هر حال این یک برنامه بسیار بزرگ نیست. PJRC یک آموزش تصویری عالی در مورد استفاده از Teensy و کتابخانه ها/ابزارهای صوتی (https://www.youtube.com/embed/wqt55OAabVs) دارد.

من با کد نمونه FFT از PJRC شروع کردم. آنچه را که از ابزار طراحی سیستم صوتی به دست آوردم در بالای کد چسباندم. اگر بعد از این کد را مشاهده کنید ، مقدار اولیه را مشاهده خواهید کرد و سپس سیستم دیجیتالی کردن صدا را از میکروفون شروع می کند. نرم افزار وارد حلقه '' ابدی 'می شود و منتظر می ماند تا داده های FFT با استفاده از فراخوانی به تابع fft1024_1.available () در دسترس قرار گیرد. وقتی داده های FFT در دسترس است ، یک کپی از داده ها را گرفته و آنها را پردازش می کنم. توجه داشته باشید که من فقط در صورتی داده ها را جمع آوری می کنم که بزرگترین سطل سطل بالاتر از مقدار تعیین شده باشد. این مقدار نحوه تعیین حساسیت سیستم است. اگر سطل ها بالاتر از مقدار تعیین شده باشند ، موج را عادی کرده و برای پردازش به یک آرایه موقت منتقل می کنم ، در غیر این صورت ، آن را نادیده می گیرم و منتظر FFT دیگری می مانم. باید اشاره کنم که من همچنین از عملکرد کنترل میکروفون برای تنظیم حساسیت مدار استفاده می کنم (sgtl5000_1.micGain (50)).

عادی سازی موج فقط به این معنی است که من تمام سطل ها را طوری تنظیم می کنم که سطل زباله با بیشترین مقدار برابر یک تنظیم شود. همه سطل های دیگر با همان نسبت مقیاس بندی می شوند. این امر تجزیه و تحلیل داده ها را آسان تر می کند.

من از چندین الگوریتم برای تجزیه و تحلیل داده ها استفاده کردم ، اما تنها با استفاده از دو الگوریتم تصمیم گرفتم. یک الگوریتم مساحت زیر منحنی تشکیل شده توسط سطل ها را محاسبه می کند. این یک محاسبه ساده است که فقط مقادیر سطل ها را در منطقه مورد نظر اضافه می کند. من این ناحیه را مقایسه می کنم تا مشخص شود آیا بیش از یک آستانه است یا خیر.

الگوریتم دیگر از یک آرایه ثابت از مقادیر استفاده می کند که یک FFT نرمال شده را نشان می دهد. این داده ها نتایج یک امضای مرغ مگس خوار واقعی (مطلوب) است. من به این می گویم پرچین من داده های پرچین را با داده های نرمال FFT مقایسه می کنم تا ببینم سطل های مربوطه در 20 of از یکدیگر قرار دارند یا خیر. من 20٪ را انتخاب کردم اما ، این مقدار را می توان به راحتی تنظیم کرد.

من همچنین تعداد دفعاتی را که الگوریتم های فردی فکر می کنند تطابق دارند ، می شمارم ، یعنی فکر می کنم یک مرغ مگس خوار را می شنوند. من از این شمارش به عنوان بخشی از تعیین مرغ مگس خوار استفاده می کنم ، زیرا ممکن است باعث تحریک اشتباه شود. به عنوان مثال ، هنگامی که هر صدایی بلند است یا شامل فرکانس بال پرندگان است ، مانند دست زدن ، ممکن است ماشه ای دریافت کنید. اما اگر شمارش بیشتر از یک عدد خاص باشد (عددی که من انتخاب می کنم) می گویم که مرغ مگس خوار است. وقتی این اتفاق می افتد ، چراغ را روشن می کنم تا نشان دهد که ضربه ای خورده ایم و همین مدار باعث می شود دوربین از طریق ترانزیستور NPN فعال شود. در نرم افزار زمان فعال سازی دوربین را روی 2 ثانیه (زمان روشن بودن LED و ترانزیستور) تنظیم کردم.

مرحله 10: نصب

در تصویر می بینید که چگونه (بدون تعارف) قطعات الکترونیکی را نصب کردم. من Teensy را به یک تخته نان متصل کرده بودم که به همراه یک آردوینو دیگر (استفاده نشده) سازگار با آردوینو (به نظر من آردوینو صفر) به یک تخته نان متصل شده بود. من کل را به یک تیر سایبان فلزی روی عرشه ام وصل کردم (همچنین فشار کابل را به دوربین اضافه کردم). تیر درست در کنار تغذیه کننده مرغ مگس خوار قرار داشت. من لوازم الکترونیکی را با یک آجر کوچک LiPo تغذیه کردم که ممکن است برای شارژ تلفن همراه مرده از آن استفاده کنید. آجر برق دارای یک کانکتور USB روی آن بود که از آن برای انتقال برق به Teensy استفاده می کردم. من کابل ماشه را از راه دور به دوربین وصل کردم و آن را وصل کردم. من برای انجام کارهای پرنده آماده بودم!

مرحله 11: نتایج

دوربین را روی سه پایه ای نزدیک فیدر نصب کردم. دوربین را روی لبه جلویی فیدر متمرکز کرده بودم و آن را روی حالت Sport (ورزش) تنظیم کردم که با فشردن شاتر چندین عکس سریع می گیرد. با زمان خاموش شدن 2 ثانیه ، در هر رویداد ماشه حدود 5 عکس گرفتم.

من اولین باری که این کار را انجام دادم چند ساعت با نرم افزار سر و کار داشتم. من مجبور شدم حساسیت و تعداد الگوریتم متوالی تعداد ضربه را تنظیم کنم. بالاخره آن را اصلاح کردم و آماده بودم.

اولین عکسی که از آن گرفته شد پرنده ای بود که به داخل فریم پرواز کرد و گویی مانند یک جنگنده جت از یک دور با سرعت بالا می چرخد (به بالا مراجعه کنید). نمی توانم بگویم چقدر هیجان زده بودم. مدتی بی سر و صدا در آن طرف عرشه نشستم و اجازه دادم سیستم کار کند. من توانستم تصاویر زیادی را ضبط کنم ، اما تعداد زیادی را دور انداختم. به نظر می رسد ، گاهی اوقات شما فقط یک سر یا دم پرنده دارید. همچنین ، من محرک های کاذب دریافت کردم ، که ممکن است رخ دهد. در کل فکر می کنم 39 عکس نگه داشته ام. پرندگان چند بار به تغذیه کننده رفتند تا به صدای شاتر از دوربین عادت کنند اما در نهایت به نظر می رسید که آن را نادیده گرفتند.

مرحله 12: اندیشه های نهایی

این یک پروژه سرگرم کننده بود و کار می کند. اما ، مانند بیشتر چیزها ، فضای زیادی برای پیشرفت وجود دارد. مطمئناً فیلتر می تواند متفاوت باشد (مانند فیلتر کم گذر یا تغییر در چیدمان و/یا پارامترها) و شاید این امر باعث عملکرد بهتر آن شود. همچنین مطمئن هستم که الگوریتم های بهتری برای آزمایش وجود دارد. در تابستان بخشی از آن را امتحان می کنم.

به من گفته شده است که کد یادگیری ماشین منبع باز وجود دارد … شاید بتوان این سیستم را برای شناسایی مرغ های مرغ مگس خوار آموزش داد! مطمئن نیستم که این کار را امتحان کنم اما ، شاید.

چه چیزهای دیگری را می توان به این پروژه اضافه کرد؟ اگر دوربین دارای مهر تاریخ یا زمان بود می توانید آن اطلاعات را به تصاویر اضافه کنید. یکی دیگر از کارهایی که می توانید انجام دهید این است که صدا را ضبط کرده و آن را روی کارت uSD ذخیره کنید (برد صوتی PJRC دارای یک اسلات برای یکی است). صدای ذخیره شده ممکن است بتواند برای آموزش الگوریتم یادگیری استفاده شود.

شاید در جایی مدرسه پرنده شناسی بتواند از چنین وسیله ای استفاده کند؟ آنها ممکن است بتوانند اطلاعاتی مانند زمان تغذیه ، دفعات تغذیه را جمع آوری کنند و با تصاویر ، شما بتوانید پرندگان خاصی را که به تغذیه باز می گردند ، شناسایی کنید.

امیدوارم شخص دیگری این پروژه را گسترش دهد و آنچه را که ساخته است با دیگران به اشتراک بگذارد. برخی از افراد به من گفته اند که این کاری که انجام داده ام باید به یک محصول تبدیل شود. من چندان مطمئن نیستم ، اما ترجیح می دهم که از آن به عنوان یک بستر یادگیری و برای علم استفاده شود.

ممنون که خواندید!

برای استفاده از کدی که ارسال کرده اید ، به Arduino IDE (https://www.arduino.cc/fa/Main/Software) نیاز دارید. همچنین به کد Teensyduino از PJRC (https://www.pjrc.com/teensy/td_download.html) نیاز دارید.