فهرست مطالب:
تصویری: سیستم تشخیص و اطفاء حریق بر اساس پردازش تصویر: 3 مرحله
2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:52
سلام دوستان این یک سیستم تشخیص و اطفاء حریق مبتنی بر پردازش تصویر با استفاده از آردوینو است
مرحله 1:
اساساً سیستم به دو قسمت تقسیم می شود
1 تشخیص آتش
2 هشدار و اطفاء حریق
در قسمت اول ، آتش با استفاده از پردازش تصویر تشخیص داده می شود.
در اینجا در این پروژه از CV باز و پایتون برای تشخیص آتش استفاده می کنم. من یک طبقه بندی کننده آبشار HAAR برای تشخیص آتش با استفاده از CV باز ایجاد کردم. این دستگاه دارای مربی و آشکارساز برای آموزش طبقه بندی آبشار خود ما است ، HAAR Cascade برای تشخیص اجسامی که برای آنها آموزش دیده است استفاده می شود. برای آموزش طبقه بندی کننده نیاز به تعداد زیادی نمونه تصویر مثبت و منفی است. آموزش طبقه بندی آبشار یک فرآیند پیچیده و زمان بر است ، بنابراین برای سهولت در یافتن یک نرم افزار آموزشی آبشار بر روی نام وب "cascade trainer GUI" است.
برای آموزش طبقه بندی آبشار ، thistrainer EXE را از لینک بالا بارگیری و نصب کنید. یک پوشه با نام آتش بسازید (می توانید پوشه ای با هر نامی ایجاد کنید زیرا هدف من آتش است ، بنابراین من پوشه "fire" را ایجاد کردم) اکنون دو پوشه در داخل پوشه آتش با نام "n" و "p" ایجاد کنید ، پوشه n برای نمونه های تصویر منفی و p برای نمونه های تصویر مثبت. تصویر مثبت شامل جسمی است که می خواهیم تشخیص دهیم ، در مورد ما می خواهیم آتش را تشخیص دهیم ، بنابراین نمونه های تصویر حاوی آتش را جمع آوری کرده و آنها را داخل پوشه p قرار دهید. برای نمونه های منفی تعداد زیادی تصویر جمع آوری کنید که حتی تا حدی حاوی آتش نیست. حالا مراحل ایجاد صفحه طبقه بندی آبشار خود را در صفحه بالا دنبال کنید ، یا می توانید طبقه بندی آبشار پیش ساخته برای تشخیص آتش و کد منبع را از پیوند (کد منبع) بارگیری کنید.
به سمت پایتون می آید ، برای اجرای این پروژه باید ماژول ها و کتابخانه های زیر را در تنظیمات پایتون خود نصب کنید.
· آشفته
· گزیده
· Pyserial (برای بارگیری بی حس ، scipy و pyserial روی او کلیک کنید)
پس از نصب همه ماژول ها کد پایتون باز با نام تشخیص آتش ، arduino.py اگر هنگام اجرا دچار خطا شدید ، نگران نباشید ، ما فقط قسمت اول را انجام دادیم.
گام 2:
بیایید به سخت افزار برویم ، در اینجا من از Arduino UNO به عنوان کنترل کننده استفاده می کنم زیرا باید پمپ ، زنگ و LED های قرمز را کنترل کنم.
اجزای مورد استفاده:
آردوینو uno:
LCD 16x2:
زنگ 5 ولت:
LED ها
رله 5 ولت:
ترانزیستور Bc547:
مقاومت های 470r ، 1k ، 220r ، 10k از پیش تعیین شده:
Lm7805
خازن 1000uf/25volt ، 470uf/16 volt:
دیود 1N4007
وب کم (اختیاری ، می توانید از دوربین لپ تاپ خود نیز استفاده کنید):
مینی پمپ شناور (از فروشگاه محلی)
همه اجزا را مطابق نمودار مدار زیر متصل کنید ، arduino را با استفاده از کابل USB به رایانه خود وصل کنید و پورت کام را که Arduino بر روی آن متصل است پیدا کنید ، اکنون کد Arduino را باز کنید ، پورت com و برد درست را از منوی ابزار Arduino انتخاب کرده و بارگذاری کنید. کد.
مرحله 3:
کد پایتون را با نام تشخیص آتش باز کنید ، arduino.py بررسی کنید درگاه com بنویسید کد صحیح است یا در خط 13 نیست ، در غیر اینصورت آن را با شماره پورت Arduino com خود تغییر دهید. روی برگه اجرا کلیک کنید و سپس روی اجرای ماژول کلیک کنید یا F5 را فشار دهید.
اگر همه اتصالات خوب باشند ، پیش نمایش دوربین روی صفحه نمایش داده می شود. اکنون آتش را به آن نشان دهید ، آتش شناسایی شده و پمپ شروع به کار می کند و همچنین صدای زنگ شروع می شود.
پیوندها را بارگیری کنید
کد منبع:
ماژول های پایتون:
GUI trainer آبشار:
امیدوارم که برای شما مفید باشد. اگر بله ، آن را دوست دارید ، آن را به اشتراک بگذارید ، شک خود را کامنت کنید. برای پروژه های بیشتر از این ، مرا دنبال کنید! از کانال من در YouTube حمایت کنید.
متشکرم!
فیس بوک
یوتیوب
توصیه شده:
پردازش تصویر با Raspberry Pi: نصب OpenCV و جداسازی رنگ تصویر: 4 مرحله
پردازش تصویر با Raspberry Pi: نصب OpenCV و جداسازی رنگ تصویر: این پست اولین مورد از چندین آموزش پردازش تصویر است که باید دنبال شود. ما نگاهی دقیق تر به پیکسل های تشکیل دهنده یک تصویر می اندازیم ، نحوه نصب OpenCV بر روی رزبری پای را یاد می گیریم و همچنین اسکریپت های آزمایشی را برای ثبت یک تصویر و همچنین آموزش
سیستم اعلام حریق با استفاده از آردوینو [در چند مرحله آسان]: 3 مرحله
سیستم اعلام حریق با استفاده از آردوینو [در چند مرحله آسان]: آیا به دنبال ساختن یک پروژه ساده و جالب با آردوینو هستید که در عین حال می تواند واقعاً مفید و به طور بالقوه نجات دهنده باشد؟ اگر بله ، برای یادگیری در مکان مناسب آمده اید چیزی جدید و ابتکاری در این پست می رویم
Gesture Hawk: روبات کنترل شده با اشاره با استفاده از رابط کاربری پردازش تصویر: 13 مرحله (همراه با تصاویر)
Gesture Hawk: روبات کنترل شده با اشاره با استفاده از رابط مبتنی بر پردازش تصویر: Gesture Hawk در TechEvince 4.0 به عنوان یک رابط ساده پردازش تصویر مبتنی بر انسان و ماشین به نمایش گذاشته شد. کاربرد آن در این واقعیت نهفته است که هیچ سنسور اضافی یا پوشیدنی به جز دستکش برای کنترل ماشین رباتیک که از راه های مختلف حرکت می کند ، مورد نیاز نیست
مقدمه ای بر پردازش تصویر: Pixy و جایگزین های آن: 6 مرحله
مقدمه ای بر پردازش تصویر: Pixy و جایگزین های آن: در این مقاله معنای پردازش تصویر دیجیتال (DIP) و دلایل استفاده از سخت افزاری مانند Pixy و سایر ابزارها برای ایجاد فرایند روی تصاویر یا فیلم ها را توضیح خواهیم داد. در پایان این مقاله ، خواهید آموخت: چگونه یک تصویر دیجیتال شکل می گیرد
پردازش ساده Uldar (تشخیص و تشخیص اولتراسونیک): 3 مرحله
پردازش ساده Uldar (تشخیص و رتبه بندی اولتراسونیک): این یک پروژه ساده است که از Arduino UNO و Processing برای ایجاد یک لیدار ساده استفاده می کند. Lidar (همچنین LIDAR ، LiDAR و LADAR نیز نامیده می شود) یک روش نقشه برداری است که با روشن کردن فاصله تا یک هدف را اندازه گیری می کند. هدف با نور لیزری پالس و اندازه گیری