Taula de continguts:
- Subministraments
- Pas 1: Projecte de vídeo
- Pas 2: impressió 3D
- Pas 3: electrònica
- Pas 4: entrenar el flux de diàleg AI -
- Pas 5: Remo.tv
- Pas 6: resultat
Vídeo: Detector de tors **** Powered AI: 6 passos (amb imatges)
2024 Autora: John Day | [email protected]. Última modificació: 2024-01-30 08:12
L’únic dispositiu que tots necessitem, un detector de toro **** Powered AI.
Subministraments
- Raspberry Pi
- Anell NeoPixel
- Impressora 3D
- TinkerCAD
- Càmera Pi
- Kit AIY
- Google Dialogflow
- Python
- Raspian
- Remo.tv
Pas 1: Projecte de vídeo
Pas 2: impressió 3D
Primer de tot, necessitem un contenidor. En aquest cas, vam optar per imprimir en 3D un bonic colorit. També podeu utilitzar una altra cosa, sempre que encaixi tota l'electrònica.
Feliços amb la nostra caixa, podem imprimir en 3D un emoji de caca fabricat per 3DCreatorPurzi. Tot el que hem de fer és afegir un espai buit a la part inferior per subjectar el nostre anell NeoPixel.
S'adjunten tots els fitxers model.
Pas 3: electrònica
Tot comença amb un Raspberry Pi 3B +.
Com que volem utilitzar Speech-To-Text, també hem d'afegir un AIY VoiceHat i el micròfon corresponent. Tot està documentat aquí mateix.
Per últim, però no per això menys important, connectem l’anell NeoPixel, aquí teniu un gran tutorial.
Amb tot configurat, podem provar l'anell de veu a text i NeoPixel; s'adjunta el codi de prova.
Pas 4: entrenar el flux de diàleg AI -
Per a la nostra IA utilitzarem Dialogflow. Originalment, està pensat per utilitzar-se com a programari de xatbot, podem fer-ne un mal ús per entrenar el nostre detector bull ****.
Creem dues intencions, una és la nostra alternativa, i l’altra toro ****. A continuació, afegim tot el contingut a les frases d’entrenament de la nostra intenció de bull ****. Aquí es pot tornar boig.
Després d’estalviar, el nostre robot s’entrenarà per detectar el toro **** en funció de les frases d’entrenament donades. Un cop fet, podem utilitzar una mica de codi python per connectar-nos a la nostra IA recentment entrenada.
El flux de dades és el següent:
- El micròfon recull algú que parla i el grava.
- Aquest fitxer s’envia a Google Cloud i es transforma en text.
- El text generat es torna a enviar al Raspberry Pi.
- Aquest text s'envia a Dialogflow.
- Dialogflow intenta fer coincidir el text amb el contingut de la nostra intenció de bull **** i, en funció del resultat, retornarà la intenció de bull **** o la de fallida predeterminada.
- Al nostre Pi, comprovem el nom de la intenció i, si és "Intenció de reserva predeterminada", diem que els llums parpellegin en verd, és a dir, que no hi hagi cap toro ***. En cas contrari parpellegem en vermell, indicant el toro ****.
S'adjunta el codi complet.
Pas 5: Remo.tv
No podem mantenir una cosa tan poderosa per a nosaltres! Per tant, farem que el nostre detector estigui disponible per a tothom. Perquè això passi, utilitzarem Remo.tv, una plataforma de transmissió de robots. Tot el que hem de fer és connectar una càmera Pi i seguir les seves instruccions de configuració.
Un cop configurat Remo.tv, escriurem el nostre propi gestor de xats. En lloc d’utilitzar la parla a text, enviem directament els missatges de xat que rebem a Remo.tv a Dialogflow. La resta de la lògica continua sent la mateixa. Només cal que afegiu una nota al fons per explicar als visitants què miren i ja hem acabat.
Pas 6: resultat
Hem creat amb èxit un detector de toro **** alimentat per IA, que pot aprendre de les noves entrades.
Podeu provar-ho vosaltres mateixos aquí mateix.
Ara, on podem recollir el nostre premi nobel de la pau?
Recomanat:
Detector de nivell de màquina de coc: ara amb veu: 6 passos (amb imatges)
Detector de nivell de màquina de coc: ara amb veu: aquest projecte és una remescla del meu detector de nivell de màquina de coc, (https://www.instructables.com/id/Coke-Machine-Can-Level-Detector/) amb nous sensors , i l'addició de so parlat! Després de fer el meu primer detector de nivell, vaig afegir un brunzidor de piezo a g
Detector de colibrís / capturador d'imatges: 12 passos (amb imatges)
Detector de colibrís / Picture-Taker: Tenim un alimentador de colibrís a la nostra coberta posterior i els darrers dos anys els he estat fent fotos. Els colibrís són petites criatures sorprenents, molt territorials i les seves lluites poden ser divertides i sorprenents. Però m’estava cansant
Detector de fum IOT: actualitzeu el detector de fum existent amb IOT: 6 passos (amb imatges)
Detector de fum IOT: actualitzeu el detector de fum existent amb IOT: Llista de col·laboradors, Inventor: Tan Siew Chin, Tan Yit Peng, Tan Wee Heng Supervisor: Dr. Chia Kim Seng Departament d'Enginyeria Mecatrònica i Robòtica, Facultat d'Enginyeria Elèctrica i Electrònica, Universiti Tun Hussein Onn Malaysia.Distribut
PC de cuina amb torsió d'ordinador portàtil: 5 passos
PC de cuina amb Laptop Twist: volia construir un PC de cuina, però el necessitava fora del camí. Vaig veure els televisors per a armaris de Sony i vaig tenir aquesta idea. Els claudàtors són simples claudàtors L que he posat en un vici i que he marcat amb la forma que es veu a la foto 1. Sembla bastant lleig per això
Detector de moviment amb notificacions Blynk (WeMos D1 Mini + HC-SR04): 4 passos (amb imatges)
Detector de moviment amb notificacions Blynk (WeMos D1 Mini + HC-SR04): VOTEU aquest projecte al concurs sense fils. Actualització núm. 2: pocs ajustaments (versió 2.2); podeu configurar el sensor (rang i nom) directament a la definició. A més, de vegades va passar que el sensor llegia valors incorrectes i enviava notificacions