Satura rādītājs:
- 1. darbība: aparatūra: shēmas dizains
- 2. darbība. Aparatūra: 3D drukāšana
- 3. solis: Aparatūra: griešana ar lāzeru
- 4. solis: programmatūra: datu vākšana
- 5. solis: programmatūra: apkopoto datu kopas apmācība
- 6. solis: programmatūra: klašu prognozēšana
Video: Ierīces atpazīšana reāllaikā, izmantojot EM pēdas: 6 soļi
2024 Autors: John Day | [email protected]. Pēdējoreiz modificēts: 2024-01-30 10:52
Šī ierīce ir paredzēta dažādu elektronisko ierīču klasificēšanai pēc to EM signāliem. Dažādām ierīcēm tās izstaro dažādus EM signālus. Mēs esam izstrādājuši IoT risinājumu, lai identificētu elektroniskās ierīces, izmantojot daļiņu fotonu komplektu. Mūsu valkājamo ierīci var nēsāt uz plaukstas locītavas, kurai ir kompakts daļiņu fotona savienojums ar OLED displeju un ķēdes savienojums no daļiņu fotona līdz komplektā iekļautajai antenai.
Šo ierīci var vēl vairāk integrēt, lai kontrolētu elektroniskās ierīces un padarītu tās par "viedajām ierīcēm" ar visu atvērtā pirmkoda programmatūru, lai jūs varētu to kontrolēt, kā arī modificēt vai uzlabot šīs ierīces iespējas.
1. darbība: aparatūra: shēmas dizains
Sastāvdaļas: (no daļiņu veidotāja komplekta)
Jūs varat iegādāties komplektu dažādās tiešsaistes vietnēs.
- Amazon vietne
- Daļiņu vietne
- Adafruit vietne
- Daļiņu fotonu attīstības dēlis
- Rezistori x 3 - 1 megaohm
- 3-5V 0,96 "SPI sērijas 128X64 OLED LCD displejs
- Antena (lai iegūtu EM rādījumus/pēdas)
2. darbība. Aparatūra: 3D drukāšana
- Mēs izstrādājām rokas aproces ciparnīcu, izmantojot 3D printeri.
- 3D modelis tika izstrādāts lietojumprogrammā Shapr3D, izmantojot iPad Pro.
- 3D modeļa stl fails tika importēts un ievietots Qidi programmatūrā, jo mēs izmantojām X-one-2 Qidi Tech printeri.
- 3D printera modeļa izdrukāšana prasīja apmēram 30 minūtes.
- saite uz stl failu.
3. solis: Aparatūra: griešana ar lāzeru
- Mēs izstrādājām plaukstas joslas modeli, izmantojot Adobe Illustrator.
- Izstrādātais modelis tika eksportēts uz universālo lāzera mašīnu, kur mēs sagriezām koku līdz elastīgai plaukstas joslai.
- saite uz svg failu.
4. solis: programmatūra: datu vākšana
-
Izmantojot fotonu, publicējiet 3 x 100 datu vērtību visos iespējamos gadījumos.
- Datu ierakstīšana no fotona uz data.json mezgla serverī.
- Analizējot datus no mezgla servera uz MATLAB.
- Dati, kas nosūtīti uz MATLAB, ir 1 x 300 formātā.
5. solis: programmatūra: apkopoto datu kopas apmācība
- 1 x 300 gabali - tiek nosūtīti MATLAB. (Katrai ierīcei ir savākti 27 paraugi) 27 x 300 savākti dati.
- Datiem pievienotas funkcijas - (5 pazīmes) - vidējā, vidējā, standarta novirze, šķība, kurtoze.
- Datu apmācība MATLAB klasifikācijas rīkkopā
- Bezsaistes datu pārbaude (6 x 6) tajā pašā rīkjoslā
6. solis: programmatūra: klašu prognozēšana
Prognoze
Tiešo datu iegūšana, izmantojot fotonu
Neapstrādātu datu sūtīšana uz mezgla serveri. (dati saglabāti failā data.json)
MATLAB skripts datu nolasīšanai no faila data.json un rezultāta prognozēšanai
Ieteicams:
Mākslīgais intelekts un attēlu atpazīšana, izmantojot HuskyLens: 6 soļi (ar attēliem)
Mākslīgais intelekts un attēlu atpazīšana, izmantojot HuskyLens: Hei, kas notiek, puiši! Akarsh šeit no CETech. Šajā projektā mēs apskatīsim HuskyLens no DFRobot. Tas ir ar AI darbināms kameras modulis, kas spēj veikt vairākas mākslīgā intelekta darbības, piemēram, sejas atpazīšanu
Zvaigžņu atpazīšana, izmantojot datora redzi (OpenCV): 11 soļi (ar attēliem)
Zvaigžņu atpazīšana, izmantojot datoru redzi (OpenCV): šajā pamācībā tiks aprakstīts, kā izveidot datora redzes programmu, lai attēlā automātiski identificētu zvaigžņu rakstus. Metode izmanto OpenCV (Open-Source Computer Vision) bibliotēku, lai izveidotu apmācītu HAAR kaskāžu kopumu, kas var būt
Sejas atpazīšana un identifikācija - Arduino sejas ID, izmantojot OpenCV Python un Arduino .: 6 soļi
Sejas atpazīšana un identifikācija | Arduino sejas ID, izmantojot OpenCV Python un Arduino .: Sejas atpazīšana AKA sejas ID ir viena no svarīgākajām mūsdienu mobilo tālruņu funkcijām. Tātad, man radās jautājums " vai man var būt sejas ID savam Arduino projektam " un atbilde ir jā … Mans ceļojums sākās šādi: 1. solis: piekļuve mums
Runas atpazīšana, izmantojot Google runas API un Python: 4 soļi
Runas atpazīšana, izmantojot Google runas API un Python: Runas atpazīšana Runas atpazīšana ir daļa no dabiskās valodas apstrādes, kas ir mākslīgā intelekta apakšlauks. Vienkārši sakot, runas atpazīšana ir datora programmatūras spēja noteikt vārdus un frāzes runātajā valodā
Sejas atpazīšana reāllaikā: pilns projekts: 8 soļi (ar attēliem)
Reāllaika sejas atpazīšana: visaptverošs projekts: Pēdējā apmācībā, kurā pētīju OpenCV, mēs uzzinājām AUTOMĀTISKĀS VISIJAS OBJEKTA IZSEKOŠANU. Tagad mēs izmantosim savu PiCam, lai atpazītu sejas reāllaikā, kā redzams zemāk: Šis projekts tika veikts ar šo fantastisko " Atvērtā pirmkoda datora redzes bibliotēku & qu