Σύστημα αναγνώρισης και πυρόσβεσης βάσει επεξεργασίας εικόνας: 3 βήματα

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

Γεια σας φίλοι, αυτό είναι ένα σύστημα ανίχνευσης και πυρόσβεσης που βασίζεται στην επεξεργασία εικόνας χρησιμοποιώντας το Arduino

Βήμα 1:

Βασικά το σύστημα χωρίζεται σε δύο μέρη

1 ανίχνευση πυρκαγιάς

2 συναγερμός και πυροσβεστήρας

Στο πρώτο μέρος ανιχνεύει φωτιά χρησιμοποιώντας επεξεργασία εικόνας.

Εδώ σε αυτό το έργο χρησιμοποιώ ανοιχτό βιογραφικό και python για τον εντοπισμό πυρκαγιάς. Δημιούργησα έναν ταξινομητή καταρράκτη HAAR για τον εντοπισμό πυρκαγιάς χρησιμοποιώντας ανοικτό βιογραφικό. Διαθέτει εκπαιδευτή και ανιχνευτή για την εκπαίδευση του δικού μας ταξινομητή καταρράκτη, το HAAR Cascade χρησιμοποιείται για τον εντοπισμό αντικειμένων για τα οποία έχει εκπαιδευτεί. Πολλά θετικά και αρνητικά δείγματα εικόνας πρέπει να εκπαιδεύσουν τον ταξινομητή. Η εκπαίδευση του ταξινομητή καταρράκτη είναι πολύπλοκη και χρονοβόρα διαδικασία, οπότε για να είναι εύκολο να βρω ότι ένα λογισμικό κατάρτισης με καταρράκτη στο όνομα της ιστοσελίδας είναι "cascade trainer GUI".

Για ταξινόμηση καταρράκτη κατάρτισης, κατεβάστε και εγκαταστήστε το thistrainer EXE από τον παραπάνω σύνδεσμο. Δημιουργήστε έναν φάκελο με όνομα πυρκαγιάς (μπορείτε να δημιουργήσετε φάκελο με οποιοδήποτε όνομα καθώς το αντικείμενο -στόχος μου είναι fire, οπότε δημιούργησα το φάκελο "fire") τώρα δημιουργήστε δύο φακέλους μέσα στο φάκελο πυρκαγιάς με όνομα "n" και "p", n φάκελος είναι για αρνητικά δείγματα εικόνας και p για θετικά δείγματα εικόνας. Η θετική εικόνα περιέχει το αντικείμενο που θέλουμε να ανιχνεύσουμε, στην περίπτωσή μας θέλουμε να εντοπίσουμε φωτιά, οπότε συλλέξτε τα δείγματα εικόνας που περιέχουν φωτιά και τοποθετήστε τα μέσα στο φάκελο p. Για αρνητικά δείγματα συλλέξτε μεγάλο αριθμό εικόνων που δεν περιέχουν φωτιά έστω και εν μέρει. Τώρα ακολουθήστε τα βήματα στην παραπάνω σελίδα για να δημιουργήσετε το αρχείο ταξινόμησης καταρράκτη ή μπορείτε να κατεβάσετε τον προκατασκευασμένο ταξινομητή καταρράκτη για τον εντοπισμό πυρκαγιάς και τον πηγαίο κώδικα από τον σύνδεσμο (πηγαίος κώδικας)

Έρχεται προς τον python, για να εκτελέσετε αυτό το έργο πρέπει να εγκαταστήσετε τις ακόλουθες ενότητες και βιβλιοθήκες στη ρύθμιση python.

· Άτακτος

· Scipy

· Pyserial (κάντε κλικ για να κατεβάσετε μουδιασμένο, scipy και pyserial)

Μετά την εγκατάσταση όλων των ενοτήτων, ανοίξτε τον κώδικα python με όνομα εντοπισμού πυρκαγιάς, arduino.py εάν εμφανιστούν κάποια σφάλματα κατά την εκτέλεση, μην πανικοβληθείτε, μόλις ολοκληρώσαμε το πρώτο μέρος.

Βήμα 2:

Ας προχωρήσουμε προς το υλικό, εδώ χρησιμοποιώ το Arduino UNO ως χειριστήριο αφού πρέπει να ελέγξω αντλία, βομβητή και κόκκινα LED.

Εξαρτήματα που χρησιμοποιούνται:

Arduino uno:

LCD 16x2:

Βομβητής 5Volt:

LED

Ρελέ 5Volt:

Bc547 τρανζίστορ:

Προεπιλεγμένες αντιστάσεις 470r, 1k, 220r, 10k:

Lm7805

Πυκνωτές 1000uf/25volt, 470uf/16 volt:

Δίοδος 1N4007

Κάμερα Web (προαιρετική, μπορείτε επίσης να χρησιμοποιήσετε την κάμερα του φορητού υπολογιστή σας):

Μίνι υποβρύχια αντλία (από το τοπικό κατάστημα)

Συνδέστε όλα τα εξαρτήματα σύμφωνα με το παρακάτω διάγραμμα κυκλώματος, συνδέστε το arduino στον υπολογιστή σας χρησιμοποιώντας καλώδιο USB και μάθετε την θύρα com στην οποία είναι συνδεδεμένο το Arduino, ανοίξτε τώρα τον κωδικό Arduino, επιλέξτε θύρα com και σωστή πλακέτα από το μενού εργαλείων του Arduino και ανεβάστε ο κώδικας.

Βήμα 3:

Ανοίξτε τον κωδικό python με όνομα εντοπισμού πυρκαγιάς, arduino.py ελέγξτε ότι η θύρα com com γράφει τον κωδικό είναι σωστή ή όχι στη γραμμή 13, αν όχι, αλλάξτε τον με τον αριθμό θύρας Arduino com. Κάντε κλικ στην καρτέλα Εκτέλεση, στη συνέχεια κάντε κλικ στο κουμπί Εκτέλεση λειτουργικής μονάδας ή πατήστε F5.

Εάν όλες οι συνδέσεις είναι εντάξει, η προεπισκόπηση της κάμερας θα εμφανιστεί στην οθόνη. Τώρα δείξτε φωτιά, εντοπίστε τη φωτιά και ξεκινήστε την αντλία καθώς και ο βομβητής ξεκινά τον ήχο μπιπ.

ΛΗOWΗ ΣΥΝΔΕΣΜΩΝ

Πηγαίος κώδικας:

Ενότητες Python:

Cascade trainer GUI:

Ελπίζω να το βρείτε χρήσιμο. αν ναι, αρέσει, μοιραστείτε το, σχολιάστε την αμφιβολία σας. Για περισσότερα τέτοια έργα, ακολουθήστε με! Υποστηρίξτε το κανάλι μου στο YouTube.

Σας ευχαριστώ!

Facebook

youtube