MachineEye: 5 Langkah

2024 Pengarang: John Day | [email protected]. Terakhir diubah: 2024-01-30 09:53

Saya telah menggabungkan Texas Instrument Sensor Tag CC2650 dengan kamera Raspberry Pi untuk mengembangkan dasbor dengan beberapa informasi yang luar biasa. Saya menghubungkan proyek menggunakan IBM Node Red yang diinstal pada gambar Raspberry Pi. Kamera mengirimkan data ke layanan Microsoft Cognitive untuk mengembalikan deskripsi tentang apa yang dilihat kamera. Data ini dapat membuka hingga aplikasi tanpa akhir. Contoh saya adalah yang sederhana yang menunjukkan kondisi cuaca di dalam dan gambar dengan deskripsi apa yang dilihat kamera. Saya

Langkah 1: Diperlukan Perangkat Keras dan Perangkat Lunak

Perangkat keras

1. Raspberry Pi 3 (Anda juga bisa menggunakan Pi 2 atau Pi model B)

2. Kamera Raspberry Pi

3. Tag Sensor Texas Instruments CC2650

4. Kartu SD

Perangkat lunak

1. Raspbian Jessie dengan versi Pixel: Maret 2017

www.raspberrypi.org/downloads/raspbian/

2. Putty - terminal untuk memprogram Pi. Anda

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

3. Node Tambahan untuk Node Merah

Saya telah merinci node yang akan diinstal pada Pi pada Langkah 3: Siapkan Node Red.

Langkah 2:

Langkah 3: Siapkan Perangkat Keras

Saya menggunakan Raspberry Pi 3 dan Sensor Tag CC2650 yang dikemas dengan 7 sensor. Raspberry Pi 3 memiliki WiFi dan Bluetooth on board sehingga kami tidak membutuhkan banyak dongle. Satu-satunya dongle saya adalah menggunakan mouse nirkabel dan papan kunci. Anda dapat menggunakan situs web resmi Raspberry Pi untuk mengunduh gambar dan menjalankan Pi Anda:

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

Tag Sensor hanya perlu ditarik strip plastiknya dan sudah bisa digunakan. Anda dapat mengetahui info lebih lanjut di sini.

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

Kamera Raspberry Pi juga memiliki banyak blog untuk membantu Anda mengatur kamera:

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

Proyek ini memiliki layar sentuh Adafruit. Ini opsional dan tidak diperlukan untuk proyek ini.

Langkah 4: Atur Node Merah

Node Red adalah alat yang mudah digunakan yang sudah diinstal pada Raspberry Pi. Info lebih lanjut dapat ditemukan di sini:

nodered.org/

Langkah terpenting di sini adalah memperbarui versi Anda di Pi:

sudo update-nodejs-and-node

Sekarang periksa versi Anda. Saya menggunakan Putty untuk proyek ini sebagai terminal saya.

npm -v

3.10.10

simpul -v

6.10.0

Sekarang Node Red Anda diperbarui, kami akan menambahkan beberapa node untuk terhubung ke tag Kamera dan Sensor Raspberry Pi kami. Semua node harus diinstal di bawah direktori ini:

~/.node-red

Mari kita mulai!

npm install node-red-contrib-camerapi

npm instal node-red-node-dweetio

npm install node-red-contrib-freeboard

npm install node-red-contrib-cognitive-services

npm instal node-red-node-sensortag

npm instal node-red-node-dropbox

Ini akan memakan waktu dan jika Anda menerima peringatan itu akan baik-baik saja. Saya telah menyertakan node injeksi untuk mengambil gambar pada interval yang ditentukan. Dweetio adalah untuk node Camera Vision untuk membaca deskripsi atau tag dari gambar dan mengirimkannya ke kotak teks Freeboard Dash Board. Layanan Kognitif termasuk node Computer Vision.

Anda perlu mendapatkan kunci berlangganan gratis dari Microsoft untuk node Computer Vision.

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

Node Dropbox sangat cocok untuk proyek ini. Saya menggunakan panduan dari Adafruit yang ditemukan di sini:

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

Gulir ke bawah ke Pengaturan Dropbox. Ini harus bekerja pada Pi apa pun dan mereka telah membuat pengaturannya lebih sederhana. Ini akan memandu Anda untuk menyiapkan Dropbox dan cara memasukkan Kunci yang Anda perlukan untuk terhubung ke Dropbox. Ini adalah tutorial terbaik yang saya temukan. Tetapi untuk melihat gambar di Dasbor saya harus mengubah tautan untuk gambar tersebut. Saya memilih untuk menggunakan alat Dropbox yang disebut Chooser untuk mendapatkan tautan langsung ke gambar yang diunduh ke Dropbox. Saya akan menyimpan nama yang sama untuk gambar-j.webp

Untuk melihat Anda aliran Node Red cukup buka browser. Saya suka Chrome dan ini hanya contoh untuk format:

192.168.1.1:1880

Langkah 5: Siapkan Dasbor

Dasbor FreeBoard adalah cara yang fleksibel dan mudah untuk memvisualisasikan data dengan cara yang berarti. Ada dua sumber data yang disiapkan dan setiap kumpulan data dengan "nama-benda-saya". Saya menghubungkan simpul dweetio pertama yang disebut Mata Mesin ke simpul foto. Ini akan mengirim muatan kamera ke cloud dan memungkinkan kami menangkap informasi di dasbor. Ini akan menjadi kotak teks.

Node Dweetio kedua adalah untuk tag sensor. Node ini terhubung ke tag sensor dan sekali lagi akan mengirim muatan sensor ke cloud dan ditangkap lagi. di dasbor. Datanya dalam waktu nyata. Saya telah menambahkan beberapa panel sensor untuk demo ini.

Kotak gambar adalah panel Gambar dengan tautan langsung ke Dropbox. Gambar dan deskripsi harus berubah setiap kali gambar diaktifkan.

Gambar di atas adalah hasil jepretan kucing keramik saya. Saya agak terlambat mendaftar untuk kompetisi dan karena cuaca buruk astaga kami di pantai Atlantik Kanada tidak dapat membawa kamera ke luar. Curah hujan dan cuaca dingin akan membunuh elektronik saya. Saya juga membutuhkan teman-teman saya dan bayi bulu terbaik mereka untuk datang untuk pemotretan.