Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 Βήματα

2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:32

A nossa lixeira inteligente konsése na separação automática do lixo. Κάμερα web web κάμερα, ela identifica o tipo de lixo e o deposita no compartimento επαρκής για posteriormente ser reciclado.

Βήμα 1: Lixo, Um Problema Mundial

Μπορείτε να αντιμετωπίσετε προβλήματα με το αστικό περιβάλλον, ειδικά για τους μεγάλους τύπους που θα σας οδηγήσουν στη ζωή σας, θα σας βοηθήσουν να πάρετε μια ευχάριστη θέση.

Para ter uma noção mais ampla do problema tomemos a cidade de São Paulo como exemplo, em média cada pessoa produz diariamente entre 800 ga 1 kg de lixo diário, ou de 4 a 6 litros de dejetos, por dia saão gerados 15.000 toneladas de lixo, αντιστοιχεί σε 3.750 caminhões carregados diariamente. Em um ano esses caminhões enfileirados cobririam o trajeto entre a cidade de São Paulo e Nova Iorque, ida e volta.

Βήμα 2: Por Que Separar O Lixo;

Com a separação dos lixos fica mais fácil e rápida a reciclagem do material. A reciclagem reduz konsideravelmente os casos de doenças e mortes devido às enchentes e acúmulo de lixo em locais urbanos, diminui impactos sobre o meiaris mais περιβαλλοντικό e ajuda Το

Βήμα 3: Qual a Solução;

Nossa solução é uma Lixeira feita com materiais também recicláveis que analisa ή tipo de lixo eo descarta no compartimento correto. O reconhecimento é através de uma câmera que utiliza um banco de dados de imagens eormoomomotomomomomotomoomomotomiaomotomiaomotomiamotagomiaomotomia capaz de aprender e reconhecer o material do objeto descartado (papel, metal, plástico, vidro ou outros). Apos a detecção e classificação do objeto, um sinal é enviado para um um mot que move uma esteira, υποψία ότι δεν υπάρχει τοπική επαρκής ή εξωτερική μηχανή acionado para fazer o despejo.

Βήμα 4: Quais As Tecnologias Utilizadas;

Λογισμικό:

- OpenCV

- Ταξινομητής καταρράκτη Haar

- Python

- MRAA

- Linux (Debian)

Σκεύη, εξαρτήματα:

Dragonboard 410c

- 96board Ημιώροφος

- Motors DC

- Driver Motor Ponte H L298N

- Fonte ATX 230W

- Κάμερα Web

Βήμα 5: Algoritmos E Códigos

Μέρος 1 - OpenCV, Στατιστική

Σύνδεση για την ανασυγκρότηση των 5 τύπων των υλικών περιγραφής no Βήμα 3 demoraria muito, decididor afunilar o problema e detear apenas latas και garrafas de plástico para comprovar a prova do conceito. Essa detecção ocorreu nos seguintes passos.

1 - Treinamento: Foram utilizadas 20 imagens divididas entre garrafas e latas

2 - Detecção:

2.1 - Μετατροπέας εικόνας για τον κύκλο HSV. Στοιχεία «V» για νούμερο 2 σε αντικειμενικά χαρακτηριστικά είναι διαθέσιμα.

2.2 - Encontrar gradiente de Sobel nos eixos x e y.

2.3 - Υπολογίστε ένα μέγεθος com iguais pesos em ambas as direções.

2.4.

2.5.

2.6 - Εφαρμογή ανιχνευτή de bordas Canny

2.7 - Υπολογισμός ενός μετασχηματισμού της γραμμής του Hough

2.8 - Enquadrar bordas do objeto num retângulo.

2.9 - Checar proporção largura x altura para comparação com o banco de dados. No banco estão armazenados diversos modelos positivos e negativos.

3 - Separação: Dado a saída da etapa anterior (garrafa ou lata), movemos a esteira (motor) para o lado esquerdo ou direito despejando o objeto και acendendo um LED para indicar que o processo ocorreu com sucesso.

3.1 - Devido a tensão de saída da DragonBoard ser de apenas 1.8V χωρίς αριθμό ψηφιακών προγραμμάτων οδήγησης για κινητήρες που απαιτούν uma tensão de entrada de no mínimo 5 V, χρησιμοποίηση ως Saídas 12 V de uma fonte ATX de 230 W.

3.2 - Nesta etapa utilizamos o mraa para mapear os dois polos do motor em pinos de entrada na mezzanine board para podermos girar a esteira em ambas as direções.

Obs.: É importante deixar claro que o mapeamentos dos pinos da mezzanine board deve estar liberado no diretório/sys/class/gpio e que o código seja εκτελεστικό como root (sudo).

4 - Armazenamento de dados:

Todas as informações deteadas são enviadas para uma instância da AWS IoT onde os dados podem ser acessados pelas pessoas kompetents και tomar ações ανάγκες. Essas dados são trocados utilisando o πρωτόκολλο MQTT onde é possível o envio e recebimento de informações de forma bidirecional.

Βήμα 6: Imagens Do Protótipo Em Construção. (Εκδόσεις 1.0 E 2.0)

Βήμα 7: Autores Do Projeto

Da esquerda pra direita:- David Carvalho- Lucas Azevedo- Rodrigo Alves- Larissa Lages- Manoela Vieira- Bianca Lisle- Andréa DuqueAgradecimentos: Angelo Brito, Thiago Pinheiro, Heitor Araújo e à todos que nos ajudaram diretamente e indire