Dispensador De Alimento Para Múltiples Mascotas Usando Inteligencia Artificial Con Watson: 11 soļi

2024 Autors: John Day | [email protected]. Pēdējoreiz modificēts: 2024-01-30 10:53

En este Instructable aprenderemos como hacer un dispensador de alimento para sus mascotas, por lo general, o al menos en mi caso siempre he querido hacer un dispensador automático, sin embargo, tengo un perro y un gato. Por ende no tengo una forma de saber cuál animal es para dispensar el alimento adecuado.

Viņš slēpj risinājumu, se trata de un systemognitivo que hace uso de la Inteligencia Artificial para que, por medio una cámara haga un processamiento de imagen para reconocer, de cuál animal se trata y dispensar el alimento adecuado.

Lógica del sistema:

1. La mascota se acerca y es detectada por un sensor de distancia
2. El sistēma toma una foto del animal
3. La process y päättää qué animal es
4. Saluda a la mascota (Con voz humana)
5. Dispensa el alimento respectivo
6. Envía un correcto al dueño indicando que ya le ha dispensado alimento

1. darbība: Materiales Que Necesitamos

Este proyecto lo vamos a realizar en conjunto, así que es momento de vayas a comprar, pedir, buscar o la manera que tengas en mente, los siguientes materiales:)

1. 1 Raspberry Pi, 3 modeļu ieteikumi, bet anteriores tambien funcionan!
2. 1 Cámara para aveņu pi
3. 1 ultraskaņas sensors HC-SR04
4. 2 Vadītāja motors (Pueden utilizar cualquier otro, yo usé este porque era el que tenía a mano!)
5. 2 soļu motori
6. 1 skaļrunis (Parlantes)
7. 2 tubes T de PVC de pulgada y media (Las encuentran en cualquier ferretería por menos de 2000 colones cada una.)
8. Una lámina de acrílico de 3mm para cortar, yo utilicé acrílico, ustedes pueden usar cualquier otro material, como MDF.
9. Bez 3D iespaidiem un kortērijas lāzer que en Costa Rica, pueden encontrar en Inventoría LEAD.

2. darbība: Iniciando Con Raspberry Pi

Raspberri Pi ir mikroprocesors, ko var izmantot, ja jums nav atļauts izmantot proyectos que requieran un alto poder computocional. Es similar to un Arduino con la diferencia que Raspberry Pi nos permite korer un Sistema Operativo dentro de la tarjeta de desarrollo.

En este caso yo izmantot raspbian que es una distribución de linux, Open Source, desarrollada especialmente para korer sobre Raspberry Pi.

• Primeros pasos con Raspbery Pi

  1. El primer paso un lejupielādēt raspbian como zip.

  2. Ahora debemos quemarlo un una micro SD, kā arī: Usuarios MAC / Linux:

     1. Abrimos la terminālis vai konsoles sistēma, como se muestra en la foto.

     2. Usaremos ciertos comando que explicaré para iepazansarnos y al final daré un ejemplo de uso. diskutil list => Este comando me devuelve la list de todos los discos que encuentre la pc (una SD puede tomarse como un disco externo.) Debemos buscar cuál es el nombre asignado a las SD, por lo general puede ser "disk1", para efectos de este turorial le lalamaremos "TuDisco". diskutil eraseDisk JHFS+ UntitledUFS <TuDisco> => Atļaut formātu un formātu disko eskoido (TuDisco).

        diskutil unmountDisk /dev /<TuDisco> => Desmonta el disco para no poder utilizarlo.

        sudo dd if = of =/dev/<TuDisco> bs = 1m => Quema el system operativo dentro de la SD, podría durar hasta 1 hora en este paso.

        diskutil eject /dev /<TuDisco> => Expulsa el Disco

        Un ejemplo de uso de este, se encuentra adjunto en las fotos, la sintáxis del ejemplo sería así

diskutilu saraksts

disku JHFS+ bez nosaukuma

Lietojiet Windows: Pueden usar Win32Disk, que es una herramienta sencilla o cualquier otra de su elección

• Ver sistēma operativo

  1. Tas ir saistīts ar biksēm, HDMI kabeli, peli un teclado.
  2. Conectalos y enciende la aveņu pi, verás que al igual que una computadora normal este va iniciar de la misma sencilla manera que cualquier otra (recordemos que es una computadora).
  3. Ahora puedes nepārtraukta trabajando como una computadora normal or pueden accesar remotamente, así que lo haremos de esta ultima forma, para no depender de una pantal para poder trabajar.
  4. Vamos a hacer uso de ssh para accesar remotamente, antes de quitar la pantalla abrimos vamos a ir a nuestra terminal y escribimos "ifconfig" este comando nos va devolver la directcción IP de nuestro aveņu pi (Guardelan porque la necesitaremos en el futuro). Ahora pueden desconectar la pantalla.
  5. Vamos a ir a nuestra computadora y abrimos la terminal de la misma manera, y escribimos ssh pi@ donde es la directcción que acabamos de recuperar en el paso anterior, deben sustituir por los números que les retornó. Pueden ver un ejemplo en las fotos para no perse en este paso.
  6. Nos va pedir la contraseña del equipo y una más de la aveņu que por default es "aveņu". Esto nos abrirá la terminal inmediatamente.

3. darbība: Conectando Sensores Y Actuadores Al Raspberry Pi

Cómo sabemos Raspberry Pi es un una tarjeta de desarrollo que posee pines GPIO que podemos configurar como entradas y salidas para nuestros sensores y actuadores. Nuestros sensores son:

1. Attāluma sensoru lietojums un ultrasonico sensors. Este sensors funciona por ultrasonidos, como un murcielago… Funkcija emitiendo un a honda (Trigger pin) que rebotará en un objeto, el sensor la recibirá de vuelta (Echo pin) y aplēses par tiem tiem quo duro en regresar. Pueden ver la imagen adjunta que tomé de Zona Maker donde tienen un excelente tutorial para entender a fondo como funciona este sensor
2. Para la visión mākslīgā el sistēma usará una cámara.
3. Como motor usaremos un Stepper Motor. ¿Qué es un Stepper Motor?
4. Para mover el motor usaremos Vadītāja motors. En mi caso no tenía disponibles de estos pequeños, así que usaré los que tenía a mano, estos (La diferencia es que estos permiten manejar una corriente mērs).* Piezīme:* El diagrama adjunto se muestra otro driver (El rojo, es un viegls šoferis) distinto a que he utilizado, esto fue para generalizar, ya que la mērs de drivers tienen esa nomenclatura (dir y step). Con el que yo estoy utlizando (el TB6560) los pines "dir" y "step" los reemplazamos por "CW+" y "CLK+" respectivamente. Y los 2 GND los reemplazamos por CLK- y CW-.

4. solis: Preparando Node-RED En El Raspberry Pi

Ahora vamos a comenzar a prepar todos los paquetes necesarios para hacer que nuestro system funcione con Node-RED, que es un IDE de programción gráfico muy sencillo de utilizar.

Antes de comenzar a prepar todo es necesario tener nuestro equipo aktualizado, para ello ejecutaremos los siguientes comandos en nuestra terminal:

sudo apt-get update

sudo apt-get dist-upgrade update-nodejs-and-nodered

Estos comandos nos aktualisran nuestro equipo. El último comando, nos permite tener nuestro entorno Node-RED aktualizācija, lai uzstādītu poder instalar las atkarības que vamos un nepieciešamās en este solis, es svarīgs saltarse esta aktualizācija.

• Node-RED vienība precargado en raspbian por default, así que solo debemos iniciarlo, para esto vamos a ir a la terminal y escribimos "node-red-start" esto nos va ejecutar un servidor bajo la misma red, ahora debes asegurarte que tu computadora esté conectada a la misma red vai wifi que las aveņu pi.
• Vas a ver una linea que dice algo similar a "Kad mezgls-RED ir sācis darboties, norādiet pārlūkprogrammu vietnē https://192.168.1.102:1880". directcción de ustedes será diferente a la mía.
• Entraremos a nuestro navegador web y copiamos la directcción, esto nos va abrir el IDE de Node-RED
• Ahora vamos a instalar los paquete que necesitamos, para ello vamos a ir a: botón de menú arriba a la derecha => manage palette => Install. Esto nos va allowir de manera gráfica instalar todos los paquetes externos que necesitemos, lo que serían las librerías en código.

• Ahora vamos un instalar varios paquetes, esto lo haremos copiando el nombre del paquete que les dejaré abajo y dandole al botón instalar. Esto debe hacerse para cada uno de los paquetes que les dejo abajo

  1. node-red-contrib-camerapi => Para la camara
  2. node-red-node-pisrf => Para sensors ultrasónico
  3. node-red-contrib-speakerpi => Para skaļruņi
  4. node-red-node-watson => Para vatsons
  5. node-red-contrib-ibm-watson-iot => Para Vatsons
  6. node-red-bluemix-nodes => IBM mākonis
  7. node-red-contrib-python-function => Interprete de Pytho

5. darbība. Programmato El Sistema Cognitivo

Node-RED permite importar un program por medio de copiar u código que les dejo adjunto.

Deben ir a botón de menú arriba a la derecha => import => clipboard => pegar el código => import. Esto les debería generar los bloques del program, algunos bloques deben configurarse.

Bloku konfigurācija:

1. Para el primer bloque, que dice "Distancia", le daremos doble click y nos aseguraremos que los parametros sean los mismos de la fotografía adjunta.
2. Lai "uzņemtu foto python mezglu", veiciet dubultklikšķi un pārbaudiet parametrus. *Svarīgi ir saglabāt "faila nosaukums" le hemos puesto "image.jpg"*
3. Para Email send, doble click y aquí debemos colocar nuestros datos, lv Kam: sería a qué directcción de correcto quiero enviar el mailUserid: Sería la directcción de koreo de la persona que envíaPassword: La clave de esta última directcción dereo.
4. El último paso es konfigurēju Watson que haremos servicios un continuación en el siguiente paso.

6. darbība: sazinieties ar Vatsonu

Watson ir uncs serviss IBM muy sencillo de utilizar que funciona por medio de API.

1. En primer paso es crearse una cuenta en el IBM Cloud. (IBM les dará un mes de prueba, para tener en cuenta)
2. Una vez dentro verán algo como en la foto, aquí buscaremos abajo a la izquierda Watson => Visual Recognition => Pondremos un nombre único y le damos a crear. Como se muestra en las fotografías adjuntas.
3. Una vez que estén dentro, pueden observar que han generado un API, ahora le dan al botón que dice "mostrar" (Ver cuarta foto) y deben copiar las credenciales, donde dice "api_key".
4. Ievadiet IDE de Node-RED un veiciet dubultklikšķi uz bloka "Watson Visual Recognition", skatiet, kā tas notiek, un es espacio correcto y ajustar los parametros al igual que la foto.
5. Esto mismo debe hacerse para el text to run, Watson => Texto a voz => Pondremos un nombre único y le damos a crear. Como se muestra en las fotografías adjuntas.
6. Hemos generado un API nuevamente, ahora le dan al botón que dice "mostrar" (Ver cuarta foto) y deben copiar las credenciales "username" y "password". Vamos de vuelta al IDE de Node-RED un dubultklikšķis uz "Hablar", skatiet pegar sus kredenciales en el espacio correcto y ajustar los parametros al igual que la foto. *Esto debe hacerse para los bloques que dicen hablar*

Y listo, así de sencillo ya tienen su system funcionando!:) Iespējama kļūda:

Si cuando se debe tomar la foto nos retorna un error y la luz (roja) de la cámara no enciende, debemos revisar la carpeta/home/pi/Pictures. Ahora debemos ver si la foto está en negro o tiene 0KB, si es así

Nuestro sistēma está configurado para guardar las fotos en la carpeta/home/pi/Pictures,. En caso de que no exista foto o la foto no se pueda abrir (0KB), es posible que la cámara este mal conectada o que no esté habilitada. Para habilitar la cámara nos vamos al botón de inicio del Raspbian “/Preferencias/Raspberry Pi/Configuración” un v amos “Interfaces”. Ahí debemos aseguranos que “Cámara” está en “Habilitada”.

7. solis: Mākslīgā inteligencia

Procesar una imagen no es algo sencillo de hacer, requiere inteligencia mākslīgā para poder detektoru patrones en esa imagen de los cuales pueda generar una o varias prognozeses de objetos que podría ser el que se está mostrando en la imagen. Este tipo de algoritmos pueden hacerse de varias maneras, una de ellas es usando redes neuronales profundas que en la factidad requiere un poco de tiempo para poder sentarse a buildir la arquitectura y programar esta red, el nombre específico para el tipo de red que se utilizaría es Redes Neuronales Convolucionales, que es el algoritmo que más se asemeja a las neuronas en la corteza visual humana. En estos algoritmos siempre se debe entrenar el system, con un conjunto de data sertific y y falso, es decir muchas fotos con el objeto que queremos reconocer y second montón de fotos agrupadas, sin el objeto que queremos reconocer.

Una de las ventajas de usar de Watson, es que hace este trabajo pesado por nosotros incluyendo que el algoritmo esté entrenado para reconocer objetos universales, por supuesto dispone de una herramienta o "campo de entrenamiento" para entrenar nuestro system a objetos un poco menos, en este caso, los gatos y perro los reconoce por default.

A Continueción haré un paréntesis donde explicaré como funciona una red neuronal mākslīgs, con fines meramente didacticos, No es necesario para la realización del instructable. (Si tu interés es replicar el proyecto rápidamente, puedes saltarte hasta el fin del paréntesis).

Cómo funciona una Red Neuronal Básica (Inicio Opcional Informativo)

Una red está compuesta de varios elementos indivuales (la unidad básica) que se lama perceptron o lo que equivaldría a una neurona en nuestro cerebro. Está compuesta de 3 partes principales:

1. Entradas
2. Función de suma (Σ)
3. Funkcija de activación

Ievads:

Estas son las representadas en la imagen como x1, x2, x3, x… Serán multiplicadas por un peso w (con un valor random al inicio)

Función de suma (Σ):

En este punto ocurre una suma de todas las entradas multiplicadas por su peso w respectivo, al finalizar la operación, envía el resultado a la función de activación.

Aktivitāte:

Funciona como slieksnis vai lietussargs, es decir, si el valor del resultado supera cierto número (por lo general 0) se activará la salida de la neurona. Podemos decir que es como una llave que deja pasar el agua o cierra el paso del agua. Solo que en este caso, hablamos de la salida de una neurona.

Ahora que conocemos la unidad básica de una red neuronal (perceptrón) estamos listos para ver cómo operan en una red. Como observan en la segunda imagen, está compuesta de 3 capas principales:

1. Capa de entrada
2. Capa oculta
3. Capa de salida

Capa de entrada:

Aquí es donde recibe todas la entradas, pueden létezik un número indefinido de neuronas.

Capa oculta:

Recibe la salida de cada neurona que existe en la primer capa, realiza el mismo process en cada percetrón y su salida se la entrega a la capa de salida.

Capa de salida:

Esta es la capa de clasificación, aquí existe el número de neuronas igual al número de clasificadores que necesites, es decir si quieres saber si es un gato o perro necesitarías 2 neuronas, una para gatos y otra perros.

Todo esto es muy lindo, pero ¿Vai vēlaties realizēt el aprendizaje? Esto ocurre en cada perceptron por individual, el algoritmo resulta que en calcular correctamente y ajustar los pesos w (Que inicialmente tenían un valor random). Esto puede hacerse mediante aprendizaje no supervado o aprendizaje supervisado, la manera más sencilla, es calculando el error, es decir, la diferencia entre el valor de la salida que yo esperaba y el que realmente me dio.

(Fin del Opcional Informativo)

Watson está creado usando muchos algoritmos como el que acabamos de ver, pero con una mērs profundidad y completejidad por supuesto, ante esto usar el Visual Recognition API, o API de reconocimiento visual, (Que ahora sabemos que se trata de redes neuronales convolucionaos y algun otros algoritmos más), resulta muy sencillo de usar, esto porque cuando configuremos el bloque con nuestra credenciales y hagamos el processamiento de una imagen, Watson nos va devolver un archivo tipo JSON con un motón de posibilidades de objetos que puedan estar presentes en e fotografija. Es decir, cuando procesamos la foto, Watson hace su análisis y nos devuelve una list of probables objetos que ha detectado en esa foto, así de sencillo es usar Watson!

Luego solo usamos un script para recorrer todas esas posibles opciones y si en esa list encuentra conciencia con un perro o un gato le avisará al resto del system para que dispense la comida correcta:)

Es necesario que se den cuenta que la inteligencia mākslīgā no es algo tan completejo, especialmente cuando existen servicios como Watson que hacen el trabajo pesado por nosotros!:)

8. darbība. Aparatūras izveidošana

Este paso lo hemos realizado en la Inventoría LEAD (Ver laboratorio) el cual es un maker space en Costa Rica desarrollado por Fundación Costa Rica para la Innovación.

En el laboratorio contamos con impresoras 3D y cortadora láser entre second montón de herramientas y tecnologías a disposicón de nosotros, la comunidad, para prototipar y desarrollar nuestras ideas y proyectos de la mano con expertos en el área.

9. solis: Imprimiendo El Mecanismo De Dispensado

Como comentábamos en en Inventoría LEAD tenemos a dispición de nosotros impresoras 3D, de las cuales hicimos uso en este proyecto para hacerlo realidad. Adjunto encontrarán los archivos listos para imprimir, les recomiendo seguir Este instructable el cuál explica paso a paso como hacer uso de las impresoras 3D de Inventoría, ya que en estos espacios buscan que todos nosotros aprendamos a hacer las cosas por nosotros mismos y más nos las haga, por ello con este instructable aprenderán a utilizar estas maquinas y poner a imprimir las piezas por ustedes mismos.

10. solis: Cortando En Láser El Case

De la misma forma, hicimos uso de la cortadora láser, donde el diseño fue realizado usando inkscape el cual es una versión Open Source de programs de diseño gráfico que nos permite generar vectores. La maquina láser, al ser un robot cartesiano, funciona por gcode, sin embargo, este gcode debe ser generado por un software, en este caso generamos un archivo.svg que son lineas de dibujo, con el cual, el software propio de la cortadora láser puede convertir en una trayectoria para los motores de la maquina.

El material: Para este diseño es importante saber que debemos usar material de 3mm, uno linna puede hacer que las piezas no calcen adecuadamente. Yo he utilizado acrílico negro mate (que compré en panaplast), esto es por una razón, me gusta realizar los trabajos con mucho oficio y elegancia, y este material crea un efecto visual muy interesante, de lejos puede confudirse con aluminio negro, lo cual le da mucha elegancia al proyecto.

Ustedes pueden utilizar el material que deseen, si buscan realizar algo de bajo costo, pueden hacer uso de MDF de 3mm el cual es un material muy económico y da acabados muy bonitos también.

11. darbība: Ensamblando El Hardware

Una vez que tenemos todas piezas completas, la Electronica y software listo, podemos comenzar a ensamblar.

En las fotos adjuntas verán el process!:)

• Paso para armado:

  1. Armar las dos cajas y pegarlas con cinta (esto porque pueden desarmarse), como comentabamos usamos acrílico, para pegar este material es necesario usar pegamento de acrílico o, para parecer other interesantes e intelectuales ante otra persona, podemos decir Cloruro de metileno… Luego me agradecen el tip;) jaja

  2. Aplicar el cloruro de metileno: -Este pegamento es un ácido que es muy peligroso, se recomienda aplicarlo con una jeringa y guantes.

     -El proceso debe realizarse con calma y cuidado, ya que una gota en un lugar equivocado puede dañar la estética de nuestro acrílico. Como recomendación personal, siempre que hagan un proyecto realicenlo con mucho oficio y detalle. Cuidar los kabeļi es algo importante, un proyecto limpio y agradable a la vista tiene un impacto mērs que uno con kabeļi desordenados, que se vea desordenado, completejo o sucio.

*Enable de la caja 1, la dispensadora (Con los motores) -En este punto debemos tomar el acople de los motores que imprimimos en 3D y atornillarlos al motor, tal y como se muestra en la foto. Pueden utilizar tornillos con medida M3, el largo no importa… -Ahora debemos tomar la espiral y, a presión, debemos hacer calzar el hueco que tiene por debajo con el rotor (palito que gira) del motor y deberá quedarnos como se muestra en las fotos.-Ahora insertamos la pieza complete dentro del Tubo de PVC. (Este sistēma es muy utilizado en la industria como maquina de inyección, un ejemplo de aplicación es en las maquinas de inyección de platisco, adjunto econtrarán un diagrama de como funcionan estas maquinas) -Hacemos la inserción de las dos piezas completro de modo que nos quede un acople correcto entre los huecos de salida de la caja y la salida del tubo de PVC-Colocamos la tapa superior vai cobertor cobertor.*Ensamble de la caja 2, la de la Electronica.-Colocamos el sensor ultrasónico en los orificios. Con contadoble cara fijamos la cámara a la pared de acrílico. pilnībā, le sugiero algunos retos:

1. Ajustar a sus mascotas (por tipo de animal)
2. Izveidojiet korpusu, izmantojot citas sistēmas, kas ir animales, tāpat kā konfigurācijas sistēma, kas paredzēta reconocer citiem animales
3. Sazinieties ar IBM IoT, lai kontrolētu sistēmu, kas regulē cualquier parte del mundo
4. Piekrītu un izsniedz de Agua
5. Hacerle cualquier cambio que sea oportuno para ti:)

*Ievērojiet pamācāmu fue realitāti no Bernal Rojas ar Cesar Rodriguez Bravo līdzautoru*