Πίνακας περιεχομένων:

Τεχνητή Νοημοσύνη και αναγνώριση εικόνας με χρήση του HuskyLens: 6 βήματα (με εικόνες)
Τεχνητή Νοημοσύνη και αναγνώριση εικόνας με χρήση του HuskyLens: 6 βήματα (με εικόνες)

Βίντεο: Τεχνητή Νοημοσύνη και αναγνώριση εικόνας με χρήση του HuskyLens: 6 βήματα (με εικόνες)

Βίντεο: Τεχνητή Νοημοσύνη και αναγνώριση εικόνας με χρήση του HuskyLens: 6 βήματα (με εικόνες)
Βίντεο: ΤΝ1. Τεχνητή Νοημοσύνη στην Ιατρική 2024, Ιούλιος
Anonim
Image
Image

Γεια, τι συμβαίνει, παιδιά! Akarsh εδώ από το CETech.

Σε αυτό το έργο, θα ρίξουμε μια ματιά στο HuskyLens από το DFRobot. Είναι μια μονάδα κάμερας που λειτουργεί με τεχνητή νοημοσύνη και είναι ικανή να κάνει διάφορες λειτουργίες τεχνητής νοημοσύνης, όπως αναγνώριση προσώπου, αναγνώριση αντικειμένων και αναγνώριση γραμμών κλπ. Δεδομένου ότι η μονάδα MatchX ήταν λίγο ακριβή, αποφάσισα να κάνω κάτι παρόμοιο μόνος μου και γι 'αυτό, βρήκα το HuskyLens ως μια εξαιρετική επιλογή επειδή είναι φθηνότερο σε σύγκριση με την ενότητα MatchX και μπορεί να κάνει ό, τι μπορεί να κάνει το MatchX εκτός από ένα δηλ. μετάδοση δεδομένων και για το σκοπό αυτό θα διασυνδέσουμε τη μονάδα Huskylens με τη μονάδα RYLR907 LoRa από τη Reyax και θα κάνουμε καλό. Μετά τη διασύνδεση, θα χρησιμοποιήσουμε αυτό το HuskyLens για να ανιχνεύσουμε ένα αντικείμενο και να στείλουμε τα ανιχνευμένα δεδομένα χρησιμοποιώντας τη μονάδα LoRa σε άλλη μονάδα LoRa στην πλευρά του δέκτη.

Πάμε λοιπόν στο διασκεδαστικό κομμάτι τώρα.

Προμήθειες

Μέρη που χρησιμοποιούνται:

Φακός Husky:

Reyax RYLR907:

Firebeetle ESP8266:

Arduino:

Βήμα 1: Αποκτήστε PCB για τα κατασκευασμένα έργα σας

Σχετικά με τη μονάδα HuskyLens
Σχετικά με τη μονάδα HuskyLens

Πρέπει να ελέγξετε το PCBWAY για να παραγγείλετε ηλεκτρονικά PCB φθηνά!

Παίρνετε 10 καλής ποιότητας PCB που κατασκευάζονται και αποστέλλονται στο κατώφλι σας φθηνά. Θα λάβετε επίσης έκπτωση στα μεταφορικά στην πρώτη σας παραγγελία. Ανεβάστε τα αρχεία Gerber στο PCBWAY για να τα κατασκευάσετε με καλή ποιότητα και γρήγορο χρόνο ολοκλήρωσης. Ελέγξτε τη διαδικτυακή λειτουργία Gerber viewer. Με πόντους ανταμοιβής, μπορείτε να λάβετε δωρεάν πράγματα από το κατάστημα δώρων τους.

Βήμα 2: Σχετικά με τη μονάδα HuskyLens

Σχετικά με τη μονάδα HuskyLens
Σχετικά με τη μονάδα HuskyLens
Σχετικά με τη μονάδα HuskyLens
Σχετικά με τη μονάδα HuskyLens

Το HuskyLens είναι ένας εύχρηστος αισθητήρας οπτικής μηχανής AI με 6 ενσωματωμένες λειτουργίες: αναγνώριση προσώπου, παρακολούθηση αντικειμένων, αναγνώριση αντικειμένων, παρακολούθηση γραμμών, ανίχνευση χρώματος και ανίχνευση ετικετών. Πρόκειται για μια αρκετά προσεγμένη μονάδα που συνοδεύεται από κάμερα στην μπροστινή πλευρά και οθόνη LCD στο πίσω μέρος και 3 LED (2 λευκά και 1 RGB) στο εσωτερικό, τα οποία μπορούν να ελεγχθούν μέσω του λογισμικού. Διαθέτει δύο κουμπιά, το ένα διακόπτη ολίσθησης για εναλλαγή μεταξύ των τρόπων λειτουργίας και ένα κουμπί για λήψη και ενημέρωση για τα αντικείμενα μπροστά από την κάμερα. Όσο περισσότερο μαθαίνει, τόσο πιο έξυπνο είναι. Η υιοθέτηση του νέου γενιάς τσιπ AI επιτρέπει στο HuskyLens να ανιχνεύει πρόσωπα με ταχύτητα 30 καρέ ανά δευτερόλεπτο. Μέσω της θύρας UART / I2C, το HuskyLens μπορεί να συνδεθεί με Arduino, Raspberry Pi ή micro: bit για να σας βοηθήσει να κάνετε πολύ δημιουργικά έργα χωρίς να παίζετε με πολύπλοκους αλγόριθμους.

Οι τεχνικές προδιαγραφές του είναι:

  • Επεξεργαστής: Kendryte K210
  • Αισθητήρας εικόνας:

    • SEN0305 HuskyLens: OV2640 (κάμερα 2.0Megapixel)
    • SEN0336 HuskyLens PRO: OV5640 (κάμερα 5.0MegaPixel)
  • Τάση τροφοδοσίας: 3,3 ~ 5,0V
  • Τρέχουσα κατανάλωση (TYP): [email protected], [email protected] (λειτουργία αναγνώρισης προσώπου, 80% φωτεινότητα οπίσθιου φωτισμού, απενεργοποίηση φωτισμού)
  • Διασύνδεση σύνδεσης: UART; I2C
  • Οθόνη: Οθόνη IPS 2.0 ιντσών με ανάλυση 320*240
  • Ενσωματωμένοι αλγόριθμοι: αναγνώριση προσώπου, παρακολούθηση αντικειμένων, αναγνώριση αντικειμένων, παρακολούθηση γραμμών, αναγνώριση χρωμάτων, αναγνώριση ετικετών
  • Διάσταση: 52mm44.5mm / 2.051.75"

Σύνδεσμος προϊόντος:

Βήμα 3: Σχετικά με τη μονάδα RYLR907 LoRa

Σχετικά με τη μονάδα RYLR907 LoRa
Σχετικά με τη μονάδα RYLR907 LoRa
Σχετικά με τη μονάδα RYLR907 LoRa
Σχετικά με τη μονάδα RYLR907 LoRa

Η μονάδα πομποδέκτη RYLR907 διαθέτει το μόντεμ μεγάλης εμβέλειας Lora που παρέχει επικοινωνία φάσματος εξαιρετικά μεγάλης εμβέλειας και υψηλή ασυλία παρεμβολών ελαχιστοποιώντας ταυτόχρονα την τρέχουσα κατανάλωση. Έρχεται με έναν κινητήρα Semtech SX1262, ο οποίος είναι ισχυρός και έχει εξαιρετική ασυλία αποκλεισμού. Το RYLR907 έχει χαμηλό ρεύμα λήψης και μπορεί να ανιχνεύσει κίνηση καναλιού για να ενεργοποιήσει τη λειτουργία λήψης CAD εξοικονόμησης ενέργειας. Είναι εξαιρετικά ευαίσθητο και μπορεί εύκολα να ελεγχθεί με εντολές AT. Εκτός από όλα τα παραπάνω χαρακτηριστικά, διαθέτει ενσωματωμένη κεραία και χρησιμοποιεί κρυπτογράφηση δεδομένων AES128. Όλες αυτές οι δυνατότητες το καθιστούν κατάλληλο για εφαρμογές IoT, κινητό εξοπλισμό, ασφάλεια στο σπίτι κ.λπ.

Μπορεί να χρησιμοποιηθεί για τη μετάδοση δεδομένων σε απόσταση της τάξης των χιλιομέτρων από αυτήν χωρίς internet ή άλλο πράγμα. Έτσι θα χρησιμοποιήσουμε αυτήν την ενότητα LoRa για να μεταφέρουμε τα δεδομένα που συλλέγονται από το HuskyLens από το άκρο του πομπού στο άκρο του δέκτη. Για να διαβάσετε λεπτομερώς τις τεχνικές προδιαγραφές της μονάδας RYLR907, μπορείτε να μεταβείτε στο φύλλο δεδομένων της από εδώ.

Σύνδεσμος προϊόντος:

Βήμα 4: Ρύθμιση των ενοτήτων πομπού και λήψης

Image
Image
Ρύθμιση των ενοτήτων πομπού και λήψης
Ρύθμιση των ενοτήτων πομπού και λήψης

Σε αυτό το βήμα, πρόκειται να κάνουμε τις συνδέσεις μέρος του έργου. Πρώτον, θα συνδέσουμε το HuskyLens με τη μονάδα RYLR907 LoRa. Αυτό θα κάνει την πλευρά του πομπού και μετά, θα συνδέσουμε τη μονάδα LoRa με ένα ESP8266 για να τελειώσει ο δέκτης που θα λαμβάνει τα δεδομένα που αποστέλλονται από τον πομπό και θα τα εμφανίζει το Serial Monitor του Arduino IDE.

Τα βήματα για τη σύνδεση του HuskyLens με τη μονάδα LoRa είναι τα εξής:

  • Συνδέστε το Vcc και το GND Pin του HuskyLens στα 5V και GND του Arduino αντίστοιχα.
  • Συνδέστε τους πείρους R και T του HuskyLens στην καρφίτσα Νο 11 και 10 του Arduino αντίστοιχα.
  • Τώρα πάρτε τη μονάδα LoRa και συνδέστε την καρφίτσα Vcc στην έξοδο 3.3V του Arduino και την καρφίτσα GND στο GND του Arduino.
  • Συνδέστε τον πείρο Rx του RYLR907 με τον πείρο Tx του Arduino μέσω μιας αντίστασης, όπως φαίνεται στο παραπάνω διάγραμμα κυκλώματος. Το δίκτυο αντιστάσεων απαιτείται επειδή το Arduino λειτουργεί σε λογικό επίπεδο 5V ενώ το RYLR907 λειτουργεί σε λογικό επίπεδο 3.3V έτσι ώστε να μειωθούν τα 5V στα 3.3V χρησιμοποιούνται αυτές οι αντιστάσεις.

Με αυτόν τον τρόπο, ολοκληρώθηκε η ενότητα Πομπός, δηλαδή οι συνδέσεις HuskyLens.

Τώρα για την ενότητα δέκτη, χρειαζόμαστε ένα ESP8266 για τον έλεγχο της μονάδας LoRa για τη λήψη των μεταδιδόμενων δεδομένων. Οι συνδέσεις που πρέπει να γίνουν για το σκοπό αυτό είναι οι εξής:

  • Συνδέστε τις καρφίτσες Vcc και GND της μονάδας LoRa στον ακροδέκτη 3.3V και GND του ESP8266.
  • Συνδέστε τον ακροδέκτη GPIO 15 στον ακροδέκτη Rx του LoRa και τον ακροδέκτη GPIO 13 στον ακροδέκτη Tx της μονάδας RYLR907.

Με αυτόν τον τρόπο, οι συνδέσεις της πλευράς του δέκτη ολοκληρώνονται, τώρα απλά πρέπει να συνδέσουμε τις μονάδες στον υπολογιστή μας και να ανεβάσουμε τους κωδικούς του έργου. Για μια λεπτομερή περιγραφή της μονάδας LoRa που χρησιμοποιείται εδώ και τις συνδέσεις που πρέπει να γίνουν στο τέλος του δέκτη, μπορείτε να ελέγξετε το παραπάνω βίντεο.

Βήμα 5: Κωδικοποίηση των ενοτήτων

Κωδικοποίηση των ενοτήτων
Κωδικοποίηση των ενοτήτων

Καθώς έχουν γίνει οι συνδέσεις και για τις δύο ενότητες. Τώρα το μόνο που απομένει είναι να συνδέσετε το Arduino και το ESP στον υπολογιστή και να ανεβάσετε κωδικούς για το έργο έναν προς έναν. Μπορείτε να λάβετε τους κωδικούς για το έργο μεταβαίνοντας στη σελίδα Github από εδώ.

  • Κατεβάστε τη βιβλιοθήκη HuskyLens που είναι διαθέσιμη στη σελίδα GitHub και εγκαταστήστε την στο Arduino IDE.
  • Τώρα ανοίξτε το αρχείο με το όνομα "Arduino Husky Lens Lora Code.ino" αυτός είναι ο κωδικός που πρέπει να μεταφορτωθεί στο Arduino για τη λήψη δεδομένων από το HuskyLens και να τον στείλετε στον δέκτη. Αντιγράψτε αυτόν τον κωδικό και επικολλήστε τον στο Arduino IDE.
  • Συνδέστε το Arduino στον υπολογιστή σας, επιλέξτε τη σωστή πλακέτα και τη θύρα COM και πατήστε το κουμπί μεταφόρτωσης μόλις ανέβει ο κώδικας, μπορείτε να αποσυνδέσετε το Arduino σας.

Με αυτόν τον τρόπο, ολοκληρώνεται το τμήμα κωδικοποίησης για το άκρο του πομπού. Τώρα μπορείτε να συνδέσετε τη μονάδα ESP η οποία σε συνδυασμό με το LoRa πρόκειται να χρησιμοποιηθεί ως δέκτης.

  • Αφού συνδέσετε το ESP με τον υπολογιστή σας, ανοίξτε ξανά τη σελίδα Github και αντιγράψτε τον κώδικα στο αρχείο με το όνομα "ESP8266 LoRa Text.ino", αυτός είναι αυτός που πρέπει να μεταφορτωθεί στο ESP8266.
  • Επικολλήστε τον κωδικό στο IDE. Επιλέξτε τη σωστή θύρα και πίνακα COM και μετά πατήστε το κουμπί μεταφόρτωσης.

Καθώς ανεβαίνει ο κώδικας, είστε έτοιμοι να χρησιμοποιήσετε τη ρύθμιση.

Βήμα 6: Δοκιμή του συνδέσμου

Δοκιμή του συνδέσμου
Δοκιμή του συνδέσμου
Δοκιμή του συνδέσμου
Δοκιμή του συνδέσμου

Μόλις ο κώδικας μεταφορτωθεί και στις δύο μονάδες, μπορούμε να ελέγξουμε το σύνδεσμο ανοίγοντας την σειριακή οθόνη αρχικά θα εμφανίσει το μήνυμα όπως "Δεν εμφανίζεται μπλοκ ή βέλος στην οθόνη". Αυτό σημαίνει ότι το HuskyLens δεν έχει μάθει για το αντικείμενο που εμφανίζεται. Το αντικείμενο εμφανίζεται για πρώτη φορά και δεν αναγνωρίζεται από το φακό. Έτσι, για να αναγνωρίσει το αντικείμενο ή το πρόσωπο που του εμφανίζεται. Πρέπει να δείξουμε το αντικείμενο HuskyLens και μόλις αναγνωρίσει το αντικείμενο που εμφανίζεται, πατήστε το κουμπί εκμάθησης (κουμπί ώθησης) αυτό θα κάνει το HuskyLens να μάθει για το αντικείμενο και να το αναγνωρίσει όταν κάτι παρόμοιο με το μαθημένο αντικείμενο είναι απεικονίζεται. Τώρα, καθώς το HuskyLens έχει μάθει για το αντικείμενο, θα στείλει τα δεδομένα για το αντικείμενο που βλέπει και ότι τα δεδομένα που λαμβάνονται από το LoRa στο τέλος του δέκτη εμφανίζονται στο Serial Monitor.

Με αυτόν τον τρόπο, μπορούμε να χρησιμοποιήσουμε HuskyLens με AI για την αναγνώριση αντικειμένων, τη συλλογή δεδομένων σχετικά με αυτά και με τη βοήθεια της μονάδας LoRa να μεταφέρουμε τα συγκεντρωμένα δεδομένα σε μια άλλη μονάδα LoRa που βρίσκεται αρκετά χιλιόμετρα μακριά.

Αυτά λοιπόν για το φροντιστήριο ελπίζω να σας άρεσε.

Συνιστάται: