Κάντε έναν ταξινομητή Pi Trash With ML!: 8 βήματα (με εικόνες)

2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:31

Το έργο Trash Classifier, γνωστό ως «Πού πάει;!», έχει σχεδιαστεί για να κάνει τα πράγματα πιο γρήγορα και πιο αξιόπιστα.

Αυτό το έργο χρησιμοποιεί ένα μοντέλο Machine Learning (ML) εκπαιδευμένο στο Lobe, ένα φιλικό για αρχάριους (χωρίς κώδικα!) ML μοντέλο, για να προσδιορίσει εάν ένα αντικείμενο μπαίνει στα σκουπίδια, την ανακύκλωση, το λίπασμα ή τα επικίνδυνα απόβλητα. Στη συνέχεια, το μοντέλο φορτώνεται σε έναν υπολογιστή Raspberry Pi 4 για να μπορεί να χρησιμοποιηθεί όπου κι αν βρείτε κάδους απορριμμάτων!

Αυτό το σεμινάριο σας καθοδηγεί πώς να δημιουργήσετε το δικό σας έργο Ταξινόμησης απορριμμάτων σε ένα Raspberry Pi από ένα μοντέλο Lobe TensorFlow στο Python3.

Δυσκολία: Αρχάριος ++ (μερικές γνώσεις με κυκλώματα και κωδικοποίηση είναι χρήσιμες)

Χρόνος ανάγνωσης: 5 λεπτά

Χρόνος κατασκευής: 60 - 90 λεπτά

Κόστος: ~ 70 $ (συμπεριλαμβανομένου του Pi 4)

Προμήθειες:

Λογισμικό (από πλευράς υπολογιστή)

• Λοβός
• WinSCP (ή άλλη μέθοδος μεταφοράς αρχείων SSH, μπορεί να χρησιμοποιήσει το CyberDuck για Mac)
• Τερματικό
• Σύνδεση απομακρυσμένης επιφάνειας εργασίας ή RealVNC

Σκεύη, εξαρτήματα

• Raspberry Pi, κάρτα SD και τροφοδοτικό USB-C (5V, 2.5A)
• Κάμερα Pi
• Κουμπί ώθησης

• 5 LED (4 ενδεικτικές λυχνίες LED και 1 LED κατάστασης)

  • Κίτρινο LED: σκουπίδια
  • Μπλε LED: ανακύκλωση
  • Πράσινο LED: κομπόστ
  • Κόκκινο LED: επικίνδυνα απόβλητα
  • Λευκό LED: κατάσταση
• 6 αντιστάσεις 220 Ohm
• 10 καλώδια βραχυκυκλωτή M-to-M
• Breadboard, μισού μεγέθους

Αν επιλέξετε συγκόλληση:

• 1 σύνδεσμος JST, μόνο θηλυκό άκρο
• 2 καλώδια βραχυκυκλωτή M-to-F
• 10 καλώδια άλματος F-to-F
• PCB

Περίφραξη

• Θήκη έργου (π.χ. χαρτόνι, ξύλο ή πλαστικό κουτί, περίπου 6 "x 5" x 4 ")

• Διαφανές πλαστικό τετράγωνο 0,5 "x 0,5" (2cm x 2cm)

  Π.χ. από πλαστικό καπάκι δοχείου τροφίμων

• Velcro

Εργαλεία

• Συρματοκόπτης
• Μαχαίρι ακριβείας (π.χ. μαχαίρι ακριβείας) και στρώμα κοπής
• Συγκολλητικό σίδερο (προαιρετικό)
• Εργαλείο θερμής τήξης (ή άλλη μη αγώγιμη κόλλα-η εποξική λειτουργεί τέλεια αλλά είναι μόνιμη)

Βήμα 1: Πριν ξεκινήσουμε

Αυτό το έργο υποθέτει ότι ξεκινάτε με ένα πλήρως διαμορφωμένο Raspberry Pi σε μια ακέφαλη διαμόρφωση. Ακολουθεί ένας οδηγός φιλικός για αρχάριους για το πώς να το κάνετε αυτό.

Βοηθά επίσης να έχετε κάποια γνώση για τα ακόλουθα:

1. Εξοικείωση με το Raspberry Pi

   • Εδώ είναι ένας εύχρηστος οδηγός έναρξης!
   • Επίσης χρήσιμο: Ξεκινώντας με την κάμερα Pi

2. Ανάγνωση και επεξεργασία κώδικα Python (δεν θα χρειαστεί να γράψετε ένα πρόγραμμα, απλώς επεξεργαστείτε)

   Εισαγωγή στην Python με το Raspberry Pi

3. Ανάγνωση διαγραμμάτων συνδεσμολογίας Fritzing

4. Χρησιμοποιώντας μια σανίδα ψωμιού

   Πώς να χρησιμοποιήσετε ένα σεμινάριο για το breadboard

Μάθετε πού πηγαίνουν τα σκουπίδια σας

Κάθε πόλη στις ΗΠΑ (και θα υποθέσω ότι ο πλανήτης) έχει τα δικά της σκουπίδια/ανακύκλωση/κομπόστ/κλπ. σύστημα συλλογής. Αυτό σημαίνει ότι για να φτιάξουμε έναν ακριβή ταξινομητή απορριμμάτων, θα πρέπει να 1) δημιουργήσουμε ένα προσαρμοσμένο μοντέλο ML (θα το καλύψουμε στο επόμενο βήμα - χωρίς κωδικό!) Και 2) να γνωρίζουμε πού πηγαίνει κάθε κομμάτι απορριμμάτων.

Δεδομένου ότι δεν ήξερα πάντα τον κατάλληλο κάδο για κάθε αντικείμενο που χρησιμοποιούσα για να εκπαιδεύσω το μοντέλο μου, χρησιμοποίησα το φυλλάδιο Seattle Utilities (Φωτογραφία 1) και επίσης αυτό το εύχρηστο "Πού πάει;" εργαλείο αναζήτησης για την πόλη του Σιάτλ! Ελέγξτε ποιοι πόροι είναι διαθέσιμοι στην πόλη σας αναζητώντας το βοηθητικό πρόγραμμα συλλογής απορριμμάτων της πόλης σας και διαβάζοντας τον ιστότοπό του.

Βήμα 2: Δημιουργήστε ένα προσαρμοσμένο μοντέλο ML στο Lobe

Το Lobe είναι ένα εύχρηστο εργαλείο που διαθέτει όλα όσα χρειάζεστε για να ζωντανέψετε τις ιδέες μηχανικής εκμάθησης. Δείξτε του παραδείγματα για το τι θέλετε να κάνει και εκπαιδεύει αυτόματα ένα προσαρμοσμένο μοντέλο μηχανικής εκμάθησης που μπορεί να εξαχθεί για συσκευές και εφαρμογές. Δεν απαιτεί καμία εμπειρία για να ξεκινήσετε. Μπορείτε να εκπαιδεύσετε στον υπολογιστή σας δωρεάν!

Ακολουθεί μια γρήγορη επισκόπηση του τρόπου χρήσης του Lobe:

1. Ανοίξτε το πρόγραμμα Lobe και δημιουργήστε ένα νέο έργο.

2. Τραβήξτε ή εισαγάγετε φωτογραφίες και επισημάνετε τις στις κατάλληλες κατηγορίες. (Φωτογραφία 1) Θα χρειαστούμε αυτές τις ετικέτες αργότερα στο τμήμα λογισμικού του έργου.

Υπάρχουν δύο τρόποι εισαγωγής φωτογραφιών:

1. Τραβήξτε φωτογραφίες αντικειμένων απευθείας από την κάμερα του υπολογιστή σας ή

2. Εισαγάγετε φωτογραφίες από υπάρχοντες φακέλους στον υπολογιστή σας.

   Λάβετε υπόψη ότι το όνομα του φακέλου φωτογραφιών θα χρησιμοποιηθεί ως όνομα ετικέτας κατηγορίας, οπότε βεβαιωθείτε ότι ταιριάζει με τις υπάρχουσες ετικέτες

Εκτός: κατέληξα να χρησιμοποιώ και τις δύο μεθόδους, καθώς όσο περισσότερες φωτογραφίες έχετε, τόσο πιο ακριβές είναι το μοντέλο σας.

3. Χρησιμοποιήστε τη λειτουργία "Αναπαραγωγή" για να ελέγξετε την ακρίβεια του μοντέλου. Αλλάξτε αποστάσεις, φωτισμό, θέσεις χεριών κ.λπ. για να προσδιορίσετε πού βρίσκεται και δεν είναι ακριβές το μοντέλο. Προσθέστε περισσότερες φωτογραφίες, όπως απαιτείται. (Φωτογραφίες 3 - 4)

4. Όταν είστε έτοιμοι, εξάγετε το μοντέλο Lobe ML σε μορφή TensorFlow (TF) Lite.

Συμβουλές:

• Πριν από την εισαγωγή φωτογραφιών, κάντε μια λίστα με όλες τις κατηγορίες που θα χρειαστείτε και πώς θέλετε να τις επισημάνετε (π.χ. "σκουπίδια", "ανακύκλωση", "κομπόστ" κ.λπ.)

  Σημείωση: Χρησιμοποιήστε τις ίδιες ετικέτες όπως φαίνεται στη φωτογραφία "Lobe Model Labels" παραπάνω για να μειώσετε τον αριθμό του κώδικα που πρέπει να αλλάξετε

• Συμπεριλάβετε μια κατηγορία για "όχι σκουπίδια" που περιέχει φωτογραφίες από οτιδήποτε άλλο μπορεί να υπάρχει στη φωτογραφία (π.χ. τα χέρια και τα χέρια σας, το φόντο κ.λπ.)
• Εάν είναι δυνατόν, τραβήξτε φωτογραφίες από την κάμερα Pi και εισαγάγετε στο Lobe. Αυτό θα βελτιώσει σημαντικά την ακρίβεια του μοντέλου σας!
• Χρειάζεστε περισσότερες φωτογραφίες; Δείτε τα σύνολα δεδομένων ανοιχτού κώδικα στο Kaggle, συμπεριλαμβανομένου αυτού του συνόλου εικόνας ταξινόμησης απορριμμάτων!
• Χρειάζεστε περισσότερη βοήθεια; Συνδεθείτε με το Lobe Coommunity στο Reddit!

Βήμα 3: Κατασκευάστε το: Υλικό

1. Συνδέστε προσεκτικά την κάμερα Pi με το Pi (επισκεφτείτε τον οδηγό έναρξης Pi Foundation για περισσότερες πληροφορίες). (Φωτογραφία 1)

2. Ακολουθήστε το διάγραμμα καλωδίωσης για να συνδέσετε το κουμπί πίεσης και τις λυχνίες LED στις ακίδες Pi GPIO.

• Κουμπί ώθησης: Συνδέστε το ένα πόδι του κουμπιού στον πείρο GPIO 2. Συνδέστε το άλλο, μέσω αντίστασης, σε ακίδα GPIO GND.
• Κίτρινη λυχνία LED: Συνδέστε το θετικό (μακρύτερο) πόδι στον ακροδέκτη GPIO 17. Συνδέστε το άλλο πόδι, μέσω αντίστασης, σε ακίδα GPIO GND.
• Μπλε LED: Συνδέστε το θετικό πόδι στον ακροδέκτη GPIO 27. Συνδέστε το άλλο πόδι, μέσω αντίστασης, σε ακίδα GPIO GND.
• Πράσινο LED: Συνδέστε το θετικό πόδι στον ακροδέκτη GPIO 22. Συνδέστε το άλλο πόδι, μέσω αντίστασης, σε ακίδα GPIO GND.
• Κόκκινο LED: Συνδέστε το θετικό πόδι στον ακροδέκτη GPIO 23. Συνδέστε το άλλο πόδι, μέσω αντίστασης, σε ακίδα GPIO GND.
• Λευκό LED: Συνδέστε το θετικό πόδι στον ακροδέκτη GPIO 24. Συνδέστε το άλλο πόδι, μέσω αντίστασης, σε ακίδα GPIO GND.

3. Συνιστάται να δοκιμάσετε το κύκλωμά σας σε ένα breadboard και να εκτελέσετε το πρόγραμμα πριν από τη συγκόλληση ή τη μονιμοποίηση οποιασδήποτε από τις συνδέσεις. Για να γίνει αυτό, θα χρειαστεί να γράψουμε και να ανεβάσουμε το λογισμικό μας, οπότε πάμε στο επόμενο βήμα!

Βήμα 4: Κωδικοποιήστε το: Λογισμικό

1. Στον υπολογιστή σας, ανοίξτε το WinSCP και συνδεθείτε στο Pi σας. Δημιουργήστε έναν φάκελο Lobe στον αρχικό κατάλογο του Pi σας και δημιουργήστε έναν φάκελο μοντέλου σε αυτόν τον κατάλογο.

2. Σύρετε το περιεχόμενο του φακέλου Lobe TF που προκύπτει στο Pi. Σημειώστε τη διαδρομή αρχείου:/home/pi/Lobe/model

3. Στο Pi, ανοίξτε ένα τερματικό και κατεβάστε τη βιβλιοθήκη lobe-python για Python3 εκτελώντας τις ακόλουθες εντολές bash:

pip3 install

λοβός εγκατάστασης pip3

4. Κατεβάστε τον κωδικό ταξινόμησης απορριμμάτων (rpi_trash_classifier.py) από αυτό το repo στο Pi (κάντε κλικ στο κουμπί "Κωδικός" όπως φαίνεται στη φωτογραφία 1).

• Προτιμάτε την αντιγραφή/επικόλληση; Λάβετε τον ακατέργαστο κωδικό εδώ.
• Προτιμάτε τη λήψη στον υπολογιστή σας; Κατεβάστε το repo/κώδικα στον υπολογιστή σας και στη συνέχεια μεταφέρετε τον κώδικα Python στο Pi μέσω WinSCP (ή το προτιμώμενο πρόγραμμα απομακρυσμένης μεταφοράς αρχείων).

5. Αφού συνδέσετε το υλικό στις καρφίτσες GPIO του Pi, διαβάστε τον παράδειγμα κώδικα και ενημερώστε τυχόν διαδρομές αρχείων όπως απαιτείται:

• Γραμμή 29: διαδρομή αρχείου στο μοντέλο Lobe TF
• Γραμμές 47 και 83: διαδρομή αρχείου για λήψεις εικόνων μέσω κάμερας Pi

6. Εάν είναι απαραίτητο, ενημερώστε τις ετικέτες μοντέλου στον κώδικα ώστε να ταιριάζουν ακριβώς με τις ετικέτες στο μοντέλο Lobe (συμπεριλαμβανομένης της κεφαλαίας, των σημείων στίξης κ.λπ.):

• Γραμμή 57: "σκουπίδια"
• Γραμμή 60: "ανακύκλωση"
• Γραμμή 63: "κομπόστ"
• Γραμμή 66: "εγκατάσταση επικίνδυνων αποβλήτων"
• Γραμμή 69: "όχι σκουπίδια!"

7. Εκτελέστε το πρόγραμμα χρησιμοποιώντας το Python3 στο παράθυρο τερματικού:

python3 rpi_trash_classifier.py

Βήμα 5: Δοκιμάστε το: Εκτελέστε το πρόγραμμα

σύνοψη προγράμματος

Όταν εκτελείτε για πρώτη φορά το πρόγραμμα, θα χρειαστεί λίγος χρόνος για να φορτώσετε τη βιβλιοθήκη TensorFlow και το μοντέλο Lobe ML. Όταν το πρόγραμμα είναι έτοιμο για λήψη μιας εικόνας, η λυχνία κατάστασης (λευκή λυχνία LED) θα χτυπήσει.

Μόλις τραβήξετε μια εικόνα, το πρόγραμμα θα συγκρίνει την εικόνα με το μοντέλο Lobe ML και θα εξάγει την προκύπτουσα πρόβλεψη (γραμμή 83). Η έξοδος καθορίζει ποιο φως ανάβει: κίτρινο (σκουπίδια), μπλε (ανακύκλωση), πράσινο (κομπόστ) ή κόκκινο (επικίνδυνα απόβλητα).

Εάν καμία από τις ενδεικτικές λυχνίες LED δεν ανάψει και η λυχνία LED κατάστασης επιστρέψει στην παλμική λειτουργία, αυτό σημαίνει ότι η εικόνα που τραβήχτηκε δεν ήταν "σκουπίδια", με άλλα λόγια, τραβήξτε ξανά τη φωτογραφία!

Λήψη εικόνας

Πατήστε το κουμπί για να τραβήξετε μια εικόνα. Σημειώστε ότι μπορεί να χρειαστεί να κρατήσετε πατημένο το κουμπί για τουλάχιστον 1 δευτερόλεπτα για να καταχωρήσει το πρόγραμμα το πρόγραμμα. Συνιστάται να τραβήξετε μερικές δοκιμαστικές εικόνες και μετά να τις ανοίξετε στην επιφάνεια εργασίας για να κατανοήσετε καλύτερα την προβολή και το κάδρο της κάμερας.

Για να επιτρέψετε στον χρήστη να τοποθετήσει το αντικείμενο και να προσαρμόσει τα επίπεδα φωτισμού της κάμερας, χρειάζονται περίπου 5 δευτερόλεπτα για να τραβήξετε πλήρως μια εικόνα. Μπορείτε να αλλάξετε αυτές τις ρυθμίσεις στον κώδικα (γραμμές 35 και 41), αλλά λάβετε υπόψη ότι το Foundationδρυμα Pi συνιστά τουλάχιστον 2 δευτερόλεπτα για ρύθμιση του επιπέδου φωτισμού.

Αντιμετώπιση προβλημάτων

Η μεγαλύτερη πρόκληση είναι να διασφαλίσουμε ότι η λήψη της εικόνας είναι αυτό που περιμένουμε, οπότε αφιερώστε λίγο χρόνο για να αναθεωρήσετε τις εικόνες και να συγκρίνετε τα αναμενόμενα αποτελέσματα με την έξοδο LED ενδεικτικού. Εάν είναι απαραίτητο, μπορείτε να μεταφέρετε εικόνες στο μοντέλο Lobe ML για άμεση προσβολή και ταχύτερη σύγκριση.

Μερικά πράγματα που πρέπει να σημειωθούν:

• Η βιβλιοθήκη TensorFlow πιθανότατα θα ρίξει κάποια προειδοποιητικά μηνύματα - αυτό είναι τυπικό για την έκδοση που χρησιμοποιείται σε αυτό το δείγμα κώδικα.
• Οι ετικέτες πρόβλεψης πρέπει να είναι ακριβώς όπως γράφονται στη συνάρτηση led_select (), συμπεριλαμβανομένων κεφαλαίων, στίξεων και διαστήματος. Φροντίστε να τα αλλάξετε αν έχετε διαφορετικό μοντέλο Lobe.
• Το Pi απαιτεί σταθερή παροχή ρεύματος. Το φως ισχύος του Pi πρέπει να είναι έντονο, σταθερό κόκκινο.
• Εάν ένα ή περισσότερα LED δεν ανάβουν όταν αναμένεται, ελέγξτε το αναγκάζοντάς τα με την εντολή:

red_led.on ()

Βήμα 6: (Προαιρετικό) Δημιουργήστε το: Ολοκληρώστε το κύκλωμά σας

Τώρα που δοκιμάσαμε και, αν χρειαστεί, διορθώσαμε, το έργο μας έτσι ώστε να λειτουργεί όπως αναμενόταν, είμαστε έτοιμοι να κολλήσουμε το κύκλωμά μας!

Σημείωση: Εάν δεν έχετε κολλητήρι, μπορείτε να παραλείψετε αυτό το βήμα. Μια εναλλακτική λύση είναι να επικαλύψετε τις συνδέσεις σύρματος με θερμή κόλλα (αυτή η επιλογή θα σας επιτρέψει να διορθώσετε/προσθέσετε/χρησιμοποιήσετε πράγματα αργότερα, αλλά είναι πιο πιθανό να σπάσουν) ή να χρησιμοποιήσετε εποξειδική ή παρόμοια μόνιμη κόλλα (αυτή η επιλογή θα είναι πολύ πιο ανθεκτική αλλά δεν θα μπορείτε να χρησιμοποιήσετε το κύκλωμα ή πιθανώς το Pi αφού το κάνετε αυτό)

Γρήγορο σχόλιο σχετικά με τις επιλογές σχεδιασμού μου (Φωτογραφία 1):

• Επέλεξα θηλυκά καλώδια για τα LED και το Pi GPIO επειδή μου επιτρέπουν να αφαιρέσω LED και να αλλάξω χρώματα ή να τα μετακινήσω αν χρειαστεί. Μπορείτε να τα παραλείψετε αν θέλετε να κάνετε μόνιμες συνδέσεις.
• Ομοίως, επέλεξα μια υποδοχή JST για το κουμπί ώθησης.

Προς το κτίριο

1. Κόψτε κάθε ένα από τα θηλυκά καλώδια στη μέση (ναι, όλα!). Χρησιμοποιώντας απογυμνωτές σύρματος, αφαιρέστε περίπου το 1/4 (1/2 εκατοστό) της μόνωσης του σύρματος.

2. Για κάθε ένα από τα LED, συγκολλήστε μια αντίσταση 220Ω στο αρνητικό (κοντύτερο) πόδι. (Φωτογραφία 2)

3. Κόψτε ένα μικρό κομμάτι, περίπου 1 (2 εκατοστά) σωλήνα συρρίκνωσης θερμότητας και σπρώξτε πάνω από τη σύνδεση LED και αντίστασης. Βεβαιωθείτε ότι το άλλο πόδι αντίστασης είναι προσβάσιμο και, στη συνέχεια, θερμάνετε το σωλήνα συρρίκνωσης μέχρι να ασφαλίσει την ένωση. (Φωτογραφία 3)

4. Τοποθετήστε κάθε LED σε ένα ζευγάρι θηλυκά καλώδια. (Φωτογραφία 4)

5. Επισημάνετε τα καλώδια βραχυκυκλωτήρων (π.χ. με ταινία) και, στη συνέχεια, συγκολλήστε τα καλώδια βραχυκυκλωτήρων στην πλακέτα τυπωμένου κυκλώματος (PCB). (Φωτογραφία 5)

6. Στη συνέχεια, χρησιμοποιήστε ένα (κομμένο) θηλυκό καλώδιο βραχυκυκλωτήρα για να συνδέσετε κάθε LED στην αντίστοιχη ακίδα Pi GPIO. Συγκολλήστε και επισημάνετε ένα καλώδιο άλματος έτσι ώστε το γυμνό μέταλλο να συνδέεται με το θετικό πόδι LED μέσω του PCB. (Φωτογραφία 5)

Σημείωση: Το σημείο συγκόλλησης αυτού του καλωδίου θα εξαρτηθεί από τη διάταξη PCB σας. Μπορείτε επίσης να κολλήσετε αυτό το σύρμα απευθείας στο θετικό καλώδιο άλτη LED.

7. Συγκολλήστε μια αντίσταση 220Ω στο αρνητικό (μαύρο) άκρο του συνδέσμου JST. (Φωτογραφία 6)

8. Συγκολλήστε τον σύνδεσμο JST και την αντίσταση στο κουμπί. (Φωτογραφία 6)

9. Συνδέστε τα καλώδια βραχυκυκλωτή M-to-F μεταξύ του συνδετήρα του κουμπιού και των ακίδων GPIO (υπενθύμιση: το μαύρο είναι GND).

10. Συνδέστε το PCB με ζεστή κόλλα ή εποξειδική για πιο ασφαλή σύνδεση.

Σημείωση: εάν επιλέξετε να χρησιμοποιήσετε εποξική, ενδέχεται να μην μπορείτε να χρησιμοποιήσετε τις καρφίτσες GPIO του Pi για άλλα έργα στο μέλλον. Εάν ανησυχείτε για αυτό, προσθέστε ένα καλώδιο κορδέλας GPIO και συνδέστε τα καλώδια βραχυκυκλωτήρα σε αυτό.

Βήμα 7: (Προαιρετικό) Δημιουργήστε το: Θήκη

Δημιουργήστε ένα περίβλημα για το Pi σας που θα κρατάει την κάμερα, το κουμπί και τα LED στη θέση τους, ενώ παράλληλα προστατεύει το Pi. Σχεδιάστε το δικό σας περίβλημα ή ακολουθήστε τις παρακάτω οδηγίες κατασκευής για γρήγορη πρότυπο ενός περιβλήματος από χαρτόνι!

1. Στην κορυφή του μικρού κουτιού από χαρτόνι, εντοπίστε τις θέσεις για το κουμπί, το φως κατάστασης, τα φώτα αναγνώρισης και το παράθυρο της κάμερας pi (Φωτογραφία 1).

   Σημείωση: Το παράθυρο της κάμερας Pi πρέπει να είναι περίπου 3/4 "x 1/2"

2. Χρησιμοποιώντας το μαχαίρι ακριβείας, κόψτε τα ίχνη.

   Σημείωση: μπορεί να θέλετε να δοκιμάσετε τα μεγέθη καθώς προχωράτε (Φωτογραφία 1)

3. Προαιρετικά: Βάψτε τη θήκη! Επέλεξα τη βαφή με σπρέι:)
4. Κόψτε ένα ορθογώνιο κάλυμμα "παραθύρου" για την κάμερα Pi (Φωτογραφία 4) και κολλήστε στο εσωτερικό του κουτιού

5. Τέλος, κόψτε την υποδοχή για το καλώδιο τροφοδοσίας Pi.

   Συνιστάται να εγκαταστήσετε πρώτα όλα τα ηλεκτρονικά για να εντοπίσετε το καλύτερο μέρος για την υποδοχή καλωδίου τροφοδοσίας pi

Βήμα 8: Εγκατάσταση και ανάπτυξη

Αυτό είναι! Είστε έτοιμοι να εγκαταστήσετε και να αναπτύξετε το έργο σας! Τοποθετήστε το περίβλημα πάνω από τους κάδους απορριμμάτων, συνδέστε το Pi και εκτελέστε το πρόγραμμα για να έχετε έναν πιο γρήγορο, πιο αξιόπιστο τρόπο μείωσης των απορριμμάτων μας. Ναι!

Προχωράμε μπροστά

• Μοιραστείτε τα έργα και τις ιδέες σας με άλλους ανθρώπους μέσω της κοινότητας Lobe Reddit!
• Ρίξτε μια ματιά στο repo του Lobe Python GitHub για μια γενική επισκόπηση του τρόπου χρήσης της Python για την ανάπτυξη μιας ευρύτερης ποικιλίας έργων Lobe
• Ερωτήσεις ή αιτήματα έργου; Αφήστε ένα σχόλιο για αυτό το έργο ή επικοινωνήστε μαζί μας απευθείας: [email protected]