Taula de continguts:
- Subministraments
- Pas 1: Feu el circuit
- Pas 2: configureu Python
- Pas 3: llegiu les dades
- Pas 4: la base de dades (mySQL)
- Pas 5: enllaceu Python amb la base de dades
- Pas 6: envieu dades a la base de dades
- Pas 7: utilitzeu les dades
- Pas 8: l'habitatge: inferior
- Pas 9: L'habitatge: petits costats
- Pas 10: l'habitatge: cares grans
- Pas 11: Afegir un forat per a la pantalla LCD i LDR
- Pas 12: connecteu l'escàner Arduino i RFID al lateral
Vídeo: Smartbike compartible: 12 passos (amb imatges)
2024 Autora: John Day | [email protected]. Última modificació: 2024-01-30 08:13
Sempre que faig servir la bicicleta, tendeixo a oblidar-me d’encendre els llums quan es fa fosc. A la meva bicicleta tampoc no tinc manera de saber la velocitat amb què vaig.
Així que he decidit fer una smartbike compartible que faci un seguiment de:
- Velocitat
- Ubicació
- Quant de temps fa que utilitzeu la bicicleta
També encén o apaga els llums automàticament. He utilitzat un escàner RFID perquè algú altre pugui utilitzar la moto sense canviar les meves dades.
Enllaç al meu github.
Subministraments
- Raspberry Pi 3 (32, 49 €)
- Targeta SD (per RPi) (13, 99 €)
- GPS NEO 6M (per velocitat i ubicació) (15, 99 €)
- Anker PowerCore 10400mAh (29, 99 €)
- RFID RC522 (5, 49 €)
- LCD de 16 x 2 (9, 99 €)
- Tauler Elegoo Uno R3 (9, 34 €)
- LDR (1, 50 €)
- MCP3008 (ADC) (5, 98 €)
- Una llum reciclada
- Fusta per a l'habitatge (~ 15,00 €)
- Cables (~ 6,00 €)
Preu total: 145,76 €
Pas 1: Feu el circuit
Primer hauràs de muntar-ho tot. He inclòs un esquema divertit.
Nota: cal soldar alguns components, com ara l’escàner RFID.
Pas 2: configureu Python
Per a aquest projecte faré servir Python 3 i executaré el codi amb un servidor Python. Enllaçaré el meu github amb el meu codi.
Primer heu de connectar-vos amb el vostre Raspberry Pi a través de Configuració> Compilació, Execció, Desplegament> Desplegament. Després heu de fer un intèrpret amb tots els paquets necessaris. Al meu Raspberry Pi faig servir Python 3.5.
Quan hàgiu creat l’intèrpret, podeu fer un projecte nou i seleccionar l’intèrpret que acabeu de fer per al projecte. Després haurà de triar on desar els fitxers al vostre PC i RPi.
Pas 3: llegiu les dades
Després de fer el circuit i que funcioni tots els components, heu de llegir les dades dels sensors. El meu projecte es va fer amb Python 3. A python vaig llegir la majoria de les dades dels sensors mitjançant classes.
- L’escàner RFID s’utilitza amb l’arduino (aquí hi ha més informació sobre com utilitzar-lo). He llegit les dades de l’escàner amb l’arduino i les envio al RPi amb el serial USB.
- El mòdul GPS també utilitza comunicació en sèrie. Les dades que envia el GPS al RPi no estan tan ben formatades que he utilitzat una biblioteca per analitzar les dades i facilitar-ne l’ús. (Alguna informació més sobre les dades del GPS).
- Els valors analògics del LDR es converteixen mitjançant el mcp3008 (un adc), i després transformo el valor en un percentatge.
Nota: Si voleu utilitzar 'while bucles' a Python per obtenir dades constantment mentre s'executa un servidor Python. Haureu d’utilitzar el roscat (més informació sobre el roscat). El roscat és fàcil d'utilitzar.
Pas 4: la base de dades (mySQL)
Ara que teniu les vostres dades dels sensors, necessiteu un lloc on desar-les. Emmagatzemarem les dades en una base de dades relacional a mySQL.
Executo la base de dades al meu RPi perquè funcioni. Necessito tenir mariaDB instal·lat al meu RPi. Un cop hàgiu instal·lat mariaDB i el tingueu configurat, podeu utilitzar el banc de treball mySQL al vostre PC per connectar-vos amb la vostra base de dades al RPi.
Haureu de fer l'ERD al PC; Enginyer endavant ERD i exportar la base de dades. A continuació, podeu importar el bolcat (no us oblideu de crear un esquema) al RPi mitjançant el banc de treball mySQL.
Nota: la taula "Bike_has_User" no és obligatòria i només s'utilitzarà si teniu previst utilitzar diverses bicicletes. Podeu deixar anar la taula "Bike_has_User" i enllaçar la taula Usuari amb "Datahistory".
Pas 5: enllaceu Python amb la base de dades
Ara que teniu instal·lada la vostra base de dades, podeu enllaçar el vostre python amb la base de dades. Feu clic a la base de dades (a la dreta de la pantalla) i afegiu una font de dades nova.
La base de dades i l'script python s'executen a l'RPi, de manera que utilitzeu la IP localhost. Utilitzeu l’usuari que heu creat anteriorment mentre configuràveu mariaDB.
Pas 6: envieu dades a la base de dades
Quan ho tingueu tot configurat, podreu començar a enviar dades a la base de dades. Vaig fer servir una base d’assistents de classe. Base de dades en python (vegeu el meu github).
La foto mostra algun exemple de codi.
Pas 7: utilitzeu les dades
Amb la class helpers. Database podeu inserir dades a la base de dades o obtenir-ne dades.
Ara que tot funciona, podeu utilitzar les dades de la base de dades per mostrar-les en un lloc web o on vulgueu.
Pas 8: l'habitatge: inferior
Sobre l’habitatge
Finalment, la carcassa d’aquest projecte està feta de fusta (310x130x110 mm). La majoria dels components estan cargolats a la fusta, excepte el powerbank i el tauler.
Podeu reduir la carcassa si soldeu els components. No he inclòs cap manera de connectar de forma segura la carcassa a la moto, però hi ha moltes opcions.
Realització de l'habitatge
Haureu de començar per fer la part inferior de l’habitatge. Va veure un tros de fusta (130x310 mm). A continuació, fixeu el RPi amb un cargol i enganxeu la taula de pa a la part inferior.
Nota: Podeu fer una part idèntica per a la part superior de la carcassa
Pas 9: L'habitatge: petits costats
Quan hàgiu acabat la part inferior. Podeu començar a serrar les parts laterals. Comenceu per fer els laterals més petits.
Primer haurà d’adjuntar els laterals més petits. Vaig utilitzar un tros de fusta addicional per connectar totes les parts, cosa que ho fa més fàcil.
Pas 10: l'habitatge: cares grans
Ara hauràs de fer els laterals més grans. Torneu a veure els laterals i fixeu-los a la part inferior amb la peça de fusta addicional.
Pas 11: Afegir un forat per a la pantalla LCD i LDR
També haureu de fer un forat per a la pantalla LCD perquè pugueu veure l'adreça IP i mostrar si un usuari escaneja dins o fora.
Utilitzeu les mesures de la pantalla LCD per decidir quina mida tindrà el forat.
Després d’haver inserit la pantalla LCD, heu d’assegurar-vos que el LDR es troba fora de la carcassa. He utilitzat un petit forat perquè el LDR pugui veure la llum del dia.
Pas 12: connecteu l'escàner Arduino i RFID al lateral
Un cop acabada la carcassa, encara heu de connectar l'escàner arduino i RFID. Podeu adjuntar-los allà on tingueu espai. Però recomano connectar l’escàner RFID a sota de la pantalla LCD perquè l’usuari pugui veure si ha escanejat cap a dins o cap a fora.
Recomanat:
Llum (s) LED amb bateria amb càrrega solar: 11 passos (amb imatges)
Llums LED amb bateria amb càrrega solar: la meva dona ensenya a la gent a fer sabó, la majoria de les seves classes eren al vespre i aquí a l’hivern es fa fosc cap a les 4:30 de la tarda, alguns dels seus alumnes tenien problemes per trobar el nostre casa. Teníem un rètol frontal però fins i tot amb un lligam al carrer
Porta imatges amb altaveu incorporat: 7 passos (amb imatges)
Suport d'imatges amb altaveu incorporat: aquí teniu un gran projecte per dur a terme durant el cap de setmana, si voleu que us poseu un altaveu que pugui contenir imatges / postals o fins i tot la vostra llista de tasques. Com a part de la construcció, utilitzarem un Raspberry Pi Zero W com a centre del projecte i un
Reconeixement d'imatges amb plaques K210 i Arduino IDE / Micropython: 6 passos (amb imatges)
Reconeixement d’imatges amb plaques K210 i Arduino IDE / Micropython: ja vaig escriure un article sobre com executar demostracions d’OpenMV a Sipeed Maix Bit i també vaig fer un vídeo de demostració de detecció d’objectes amb aquesta placa. Una de les moltes preguntes que la gent ha formulat és: com puc reconèixer un objecte que la xarxa neuronal no és tr
Gesture Hawk: robot controlat amb gestos manuals mitjançant la interfície basada en el processament d’imatges: 13 passos (amb imatges)
Gesture Hawk: robot controlat amb gestos manuals mitjançant interfície basada en el processament d’imatges: Gesture Hawk es va mostrar a TechEvince 4.0 com una interfície simple màquina basada en el processament d’imatges. La seva utilitat rau en el fet que no es requereixen cap sensor addicional ni un dispositiu portàtil, excepte un guant, per controlar el cotxe robòtic que funciona amb diferents
Com desmuntar un ordinador amb passos i imatges senzills: 13 passos (amb imatges)
Com desmuntar un ordinador amb passos i imatges senzills: és una instrucció sobre com desmuntar un ordinador. La majoria dels components bàsics són modulars i fàcilment eliminables. Tanmateix, és important que us organitzeu al respecte. Això us ajudarà a evitar la pèrdua de peces i també a fer el muntatge