Πίνακας περιεχομένων:
- Βήμα 1: Υλικό: Σχεδιασμός κυκλωμάτων
- Βήμα 2: Υλικό: Τρισδιάστατη εκτύπωση
- Βήμα 3: Υλικό: Κοπή λέιζερ
- Βήμα 4: Λογισμικό: Συλλογή δεδομένων
- Βήμα 5: Λογισμικό: Εκπαίδευση του συλλεγμένου συνόλου δεδομένων
- Βήμα 6: Λογισμικό: Πρόβλεψη των τάξεων
Βίντεο: Αναγνώριση συσκευής σε πραγματικό χρόνο χρησιμοποιώντας αποτυπώματα EM: 6 βήματα
2024 Συγγραφέας: John Day | [email protected]. Τελευταία τροποποίηση: 2024-01-30 08:32
Αυτή η συσκευή προορίζεται για την ταξινόμηση διαφορετικών ηλεκτρονικών συσκευών σύμφωνα με τα σήματα ΗΜ τους. Για διαφορετικές συσκευές, έχουν διαφορετικά σήματα EM που εκπέμπονται από αυτό. Έχουμε αναπτύξει μια λύση IoT για τον προσδιορισμό των ηλεκτρονικών συσκευών χρησιμοποιώντας το κιτ Particle Photon. Η φορετή συσκευή μας μπορεί να φορεθεί στον καρπό που έχει συμπαγή σύνδεση σωματιδίου φωτονίου με οθόνη OLED και σύνδεση κυκλώματος από σωματίδιο φωτονίου στην κεραία που παρέχεται στο κιτ.
Αυτή η συσκευή μπορεί να ενσωματωθεί περαιτέρω για τον έλεγχο των ηλεκτρονικών συσκευών και την κατασκευή τους ως "Έξυπνες συσκευές" με όλο το λογισμικό ανοιχτού κώδικα, ώστε να μπορείτε να την ελέγχετε, επίσης να τροποποιείτε ή να βελτιώνετε τις δυνατότητες αυτής της συσκευής.
Βήμα 1: Υλικό: Σχεδιασμός κυκλωμάτων
Εξαρτήματα: (από το κιτ Particle Maker)
Μπορείτε να αγοράσετε το κιτ από διάφορους διαδικτυακούς ιστότοπους.
- Ιστοσελίδα Amazon
- Ιστότοπος σωματιδίων
- Ιστοσελίδα Adafruit
- Πίνακας ανάπτυξης σωματιδίων φωτονίων
- Αντιστάσεις x 3 - 1 megaohm
- 3-5V 0,96 "SPI Serial 128X64 OLED LCD οθόνη
- Κεραία (για λήψη των ενδείξεων EM/αποτυπώματα)
Βήμα 2: Υλικό: Τρισδιάστατη εκτύπωση
- Σχεδιάσαμε το καντράν του καρπού μας χρησιμοποιώντας έναν 3D εκτυπωτή.
- Το μοντέλο 3D σχεδιάστηκε σε εφαρμογή Shapr3D χρησιμοποιώντας iPad Pro.
- Το αρχείο stl του μοντέλου 3D εισήχθη και προωθήθηκε στο λογισμικό Qidi αφού χρησιμοποιούσαμε τον εκτυπωτή X-one-2 Qidi Tech.
- Ο τρισδιάστατος εκτυπωτής χρειάστηκε περίπου 30 λεπτά για να εκτυπώσει το μοντέλο.
- σύνδεσμος προς το αρχείο stl.
Βήμα 3: Υλικό: Κοπή λέιζερ
- Σχεδιάσαμε το μοτίβο του καρπού χρησιμοποιώντας το Adobe Illustrator.
- Το σχεδιασμένο μοντέλο στη συνέχεια εξήχθη στο μηχάνημα Universal Laser όπου κόψαμε το ξύλο σε μια εύκαμπτη ταινία καρπού.
- σύνδεσμος στο αρχείο svg.
Βήμα 4: Λογισμικό: Συλλογή δεδομένων
-
Χρησιμοποιώντας το Photon, δημοσιεύοντας τιμή δεδομένων 3 x 100 κάθε πιθανή παρουσία.
- Γράφοντας τα δεδομένα από το Photon στο data.json στον διακομιστή κόμβων.
- Ανάλυση δεδομένων από διακομιστή κόμβων σε MATLAB.
- Τα δεδομένα που αποστέλλονται στο MATLAB έχουν τη μορφή 1 x 300.
Βήμα 5: Λογισμικό: Εκπαίδευση του συλλεγμένου συνόλου δεδομένων
- Κομμάτια 1 x 300 - τροφοδοτήστε το MATLAB. (Για κάθε συσκευή 27 δείγματα που συλλέχθηκαν) 27 x 300 δεδομένα που συλλέχθηκαν.
- Προστέθηκαν χαρακτηριστικά στα δεδομένα - (5 χαρακτηριστικά) - μέσος όρος, διάμεσος, τυπική απόκλιση, στρέβλωση, κουρτώση.
- Εκπαίδευση των δεδομένων στην εργαλειοθήκη ταξινόμησης MATLAB
- Δοκιμή δεδομένων εκτός σύνδεσης (6 x 6) στην ίδια εργαλειοθήκη
Βήμα 6: Λογισμικό: Πρόβλεψη των τάξεων
Προφητεία
Ανάκτηση των ζωντανών δεδομένων χρησιμοποιώντας φωτόνιο
Αποστολή των ακατέργαστων δεδομένων στον διακομιστή κόμβων. (τα δεδομένα αποθηκεύονται στο αρχείο data.json)
Σενάριο MATLAB για την ανάγνωση των δεδομένων από το αρχείο data.json και την πρόβλεψη του αποτελέσματος
Συνιστάται:
Ζωντανός ιχνηλάτης Covid19 χρησιμοποιώντας ESP8266 και OLED - Πραγματικός πίνακας ελέγχου Covid19 σε πραγματικό χρόνο: 4 βήματα
Ζωντανός ιχνηλάτης Covid19 χρησιμοποιώντας ESP8266 και OLED | Πραγματικός πίνακας ελέγχου Covid19 σε πραγματικό χρόνο: Επισκεφτείτε τον ιστότοπο Techtronic Harsh: http: //techtronicharsh.com Παντού υπάρχει μια τεράστια έξαρση του νέου κορονοϊού (COVID19). Έγινε αναγκαίο να παρακολουθούμε το τρέχον σενάριο του COVID-19 στον κόσμο. Έτσι, όταν ήμουν στο σπίτι, αυτό ήταν το
Αναγνώριση προσώπου και αναγνώριση - Arduino Face ID χρησιμοποιώντας OpenCV Python και Arduino .: 6 βήματα
Αναγνώριση προσώπου και αναγνώριση | Arduino Face ID χρησιμοποιώντας OpenCV Python και Arduino .: Αναγνώριση προσώπου Το αναγνωριστικό προσώπου AKA είναι ένα από τα πιο σημαντικά χαρακτηριστικά στα κινητά τηλέφωνα στις μέρες μας. Έτσι, είχα μια ερώτηση " μπορώ να έχω ένα αναγνωριστικό προσώπου για το έργο μου στο Arduino " και η απάντηση είναι ναι … Το ταξίδι μου ξεκίνησε ως εξής: Βήμα 1: Πρόσβαση σε εμάς
Δημιουργία ρολογιού με M5stick C χρησιμοποιώντας Arduino IDE - RTC Ρολόι σε πραγματικό χρόνο με M5stack M5stick-C: 4 βήματα
Δημιουργία ρολογιού με M5stick C χρησιμοποιώντας Arduino IDE | RTC Ρολόι πραγματικού χρόνου με M5stack M5stick-C: Γεια σας παιδιά σε αυτό το εκπαιδευτικό εγχειρίδιο θα μάθουμε πώς να φτιάχνουμε ένα ρολόι με τον πίνακα ανάπτυξης m5stick-C του m5stack χρησιμοποιώντας το Arduino IDE. Έτσι το m5stick θα εμφανίσει ημερομηνία, ώρα & εβδομάδα του μήνα στην οθόνη
Πώς να φτιάξετε ρολόι σε πραγματικό χρόνο χρησιμοποιώντας οθόνη Arduino και TFT - Arduino Mega RTC με οθόνη TFT 3,5 ιντσών: 4 βήματα
Πώς να φτιάξετε ρολόι σε πραγματικό χρόνο χρησιμοποιώντας οθόνη Arduino και TFT | Arduino Mega RTC με οθόνη TFT 3,5 ιντσών: Επισκεφτείτε το κανάλι μου στο Youtube. Εισαγωγή:- Σε αυτήν την ανάρτηση πρόκειται να φτιάξω "Ρολόι πραγματικού χρόνου" χρησιμοποιώντας οθόνη αφής TFT 3,5 ιντσών, Arduino Mega Ενότητα 2560 και DS3231 RTC…. Πριν ξεκινήσετε… ελέγξτε το βίντεο από το κανάλι μου στο YouTube..Σημείωση:- Εάν χρησιμοποιείτε Arduin
Σε πραγματικό χρόνο αναγνώριση προσώπου: ένα έργο από άκρο σε άκρο: 8 βήματα (με εικόνες)
Σε πραγματικό χρόνο αναγνώριση προσώπου: ένα έργο από άκρο σε άκρο: Στο τελευταίο μου σεμινάριο εξερεύνησης του OpenCV, μάθαμε την ΑΥΤΟΜΑΤΗ ΟΡΑΣΗ ΑΝΤΙΚΕΙΜΕΝΙΚΗ ΠΑΡΑΚΟΛΟΥΘΗΣΗ. Τώρα θα χρησιμοποιήσουμε το PiCam μας για την αναγνώριση προσώπων σε πραγματικό χρόνο, όπως μπορείτε να δείτε παρακάτω: Αυτό το έργο έγινε με αυτήν τη φανταστική «Open Source Computer Vision Library» qu