Taula de continguts:

MachineEye: 5 passos
MachineEye: 5 passos

Vídeo: MachineEye: 5 passos

Vídeo: MachineEye: 5 passos
Vídeo: КАК КАТАТЬСЯ НА ЛЫЖАХ | 5 УПРАЖНЕНИЙ ДЛЯ ПРОКАЧКИ ВАШЕГО КАТАНИ 2024, De novembre
Anonim
MachineEye
MachineEye

He combinat l’etiqueta del sensor d’instruments Texas CC2650 amb la càmera Raspberry Pi per desenvolupar un tauler amb una informació fantàstica. Vaig connectar el projecte mitjançant IBM Node Red que ve instal·lat a la imatge de Raspberry Pi. La càmera envia dades als serveis cognitius de Microsoft per retornar-los una descripció del que veu la càmera. Aquestes dades es poden obrir a infinites aplicacions. El meu exemple és senzill que mostra les condicions meteorològiques interiors i una imatge amb una descripció del que veu la càmera. Jo

Pas 1: es requereix maquinari i programari

Maquinari

1. Raspberry Pi 3 (també podeu utilitzar Pi 2 o Pi model B)

2. Càmera Raspberry Pi

3. Etiqueta del sensor Texas Instruments CC2650

4. Targeta SD

Programari

1. Raspbian Jessie amb la versió de Pixel: març de 2017

www.raspberrypi.org/downloads/raspbian/

2. Putty: un terminal per programar el vostre Pi

www.chiark.greenend.org.uk/~sgtatham/putty/

3. Node addicional per a Node Red

He detallat els nodes que s’instal·laran al Pi al pas 3: configureu Node Red.

Pas 2:

Pas 3: configureu el maquinari

Configureu el maquinari
Configureu el maquinari

Estic fent servir el Raspberry Pi 3 i el sensor CC2650 amb 7 sensors. El Raspberry Pi 3 té WiFi i Bluetooth incorporats, de manera que no necessitem tants dongles. El meu únic dongle és utilitzar el ratolí i el teclat sense fils. Podeu utilitzar el lloc web oficial de Raspberry Pi per descarregar la imatge i posar-lo en funcionament:

www.raspberrypi.org/products/raspberry-pi-3-model-b/

A l’etiqueta del sensor només cal tirar la tira de plàstic i hauria d’anar bé. Podeu obtenir més informació aquí.

www.ti.com/ww/en/wireless_connectivity/sensortag/tearDown.html

La càmera Raspberry Pi també té nombrosos blocs per ajudar-vos a configurar la càmera:

www.raspberrypi.org/products/camera-module/

Aquest projecte té la pantalla tàctil d'Adafruit. Això és opcional i no és necessari per a aquest projecte.

Pas 4: Configuració del node vermell

Configuració del vermell del node
Configuració del vermell del node
Configuració del vermell del node
Configuració del vermell del node

Node Red és una eina fàcil d'utilitzar que ja està instal·lada al Raspberry Pi. Podeu trobar més informació aquí:

nodered.org/

El pas més important aquí és actualitzar la vostra versió al Pi:

sudo update-nodejs-and-node

Ara comproveu la vostra versió. Estic fent servir Putty per a aquest projecte com a terminal.

npm -v

3.10.10

node -v

6.10.0

Ara el vostre Node Red està actualitzat, afegirem alguns nodes per connectar-nos a la nostra etiqueta Raspberry Pi Camera i Sensor. Tots els nodes s’han d’instal·lar en aquest directori:

~ /.node-vermell

Comencem !

npm install node-red-contrib-camerapi

npm install node-red-node-dweetio

npm instal·leu node-red-contrib-freeboard

npm install node-red-contrib-cognitive-services

npm instal·leu node-red-node-sensortag

npm instal·leu node-red-node-dropbox

Això trigarà una estona i, si rebeu avisos, hauria d’estar bé. He inclòs un node d'injecció per fer fotografies a intervals definits. Dweetio permet que el node Camera Vision llegeixi la descripció o les etiquetes de la imatge i l’enviï al quadre de text Freeboard Dash Board. Els serveis cognitius inclouen el node Visió per ordinador.

Cal que obtingueu una clau de subscripció gratuïta de Microsoft per al node Computer Vision.

www.microsoft.com/cognitive-services/en-US/subscriptions?mode=NewTrials

El node Dropbox és perfecte per a aquest projecte. He utilitzat la guia d'Adafruit que es troba aquí:

learn.adafruit.com/diy-wifi-raspberry-pi-touch-cam?view=all

Desplaceu-vos cap avall fins a Configuració de Dropbox. Això hauria de funcionar en qualsevol Pi i han facilitat la configuració. Us guiarà per configurar un Dropbox i com introduir les claus que necessiteu per connectar-vos a Dropbox. Aquest és el millor tutorial que he trobat. Però per veure la imatge al tauler, vaig haver de modificar l'enllaç de la imatge. Vaig optar per utilitzar una eina Dropbox anomenada Chooser per obtenir un enllaç directe a la imatge descarregada a Dropbox. Mantindré el mateix nom per a la imatge-j.webp

Per veure el flux de Node Red, només cal obrir un navegador. M'agrada Chrome i aquest és només un exemple de format:

192.168.1.1:1880

Pas 5: configureu el tauler de control

Configureu el tauler de control
Configureu el tauler de control

El tauler de control FreeBoard és una manera senzilla i flexible de visualitzar les dades d’una manera significativa. Hi ha dues fonts de dades configurades i cada conjunt de dades amb un "my-thing-name". Connecto el primer node de dweetio anomenat Machine Eye al node de la foto. Això enviarà la càrrega útil de la càmera al núvol i ens permetrà capturar la informació al tauler. Aquest serà un quadre de text.

El segon node Dweetio és per a l'etiqueta del sensor. Aquest node està connectat a l'etiqueta del sensor i, de nou, enviarà la càrrega útil dels sensors al núvol i es tornarà a capturar. al tauler de control. Les dades són en temps real. He afegit alguns panells de sensors per a aquesta demostració.

El quadre d'imatges és un panell d'imatges amb l'enllaç directe a Dropbox. La imatge i la descripció haurien de canviar cada vegada que s’activa una imatge.

La imatge superior és una fotografia del meu gat de ceràmica. Vaig estar un poc tard per apuntar-me a la competició i, a causa del nostre mal temps, a la costa atlàntica del Canadà no vaig poder treure la càmera a l’exterior. Les precipitacions i el fred faran desaparèixer la meva electrònica. També necessito els meus amics i els seus millors nadons de pell per venir a fer una sessió de fotos.

Recomanat: