Taula de continguts:

Reconeixement de dispositius en temps real mitjançant empremtes EM: 6 passos
Reconeixement de dispositius en temps real mitjançant empremtes EM: 6 passos

Vídeo: Reconeixement de dispositius en temps real mitjançant empremtes EM: 6 passos

Vídeo: Reconeixement de dispositius en temps real mitjançant empremtes EM: 6 passos
Vídeo: Топ 5 скрытых полезных программ Windows 10 2024, De novembre
Anonim
Reconeixement de dispositius en temps real mitjançant empremtes EM
Reconeixement de dispositius en temps real mitjançant empremtes EM
Reconeixement de dispositius en temps real mitjançant empremtes EM
Reconeixement de dispositius en temps real mitjançant empremtes EM

Aquest dispositiu està destinat a classificar diferents dispositius electrònics segons els seus senyals EM. Per a diferents dispositius, emeten senyals EM diferents. Hem desenvolupat una solució IoT per identificar els dispositius electrònics mitjançant el kit Particle Photon. El nostre dispositiu portàtil es pot portar al canell amb una connexió compacta de fotó de partícules amb pantalla OLED i connexió de circuit des de fotó de partícules a l’antena proporcionada al kit.

Aquest dispositiu es pot integrar encara més per controlar els dispositius electrònics i convertir-los en "dispositius intel·ligents" amb tot el programari de codi obert, de manera que pugueu controlar-lo, modificar-lo o millorar-ne la capacitat.

Pas 1: maquinari: disseny de circuits

Maquinari: disseny de circuits
Maquinari: disseny de circuits
Maquinari: disseny de circuits
Maquinari: disseny de circuits
Maquinari: disseny de circuits
Maquinari: disseny de circuits
Maquinari: disseny de circuits
Maquinari: disseny de circuits

Components: (del kit Particle Maker)

Podeu comprar el kit des de diversos llocs web en línia.

- Lloc web d’Amazon

- Lloc web Particle

- Lloc web Adafruit

  1. Tauler de desenvolupament de fotons de partícules
  2. Resistències x 3 - 1 megaohm
  3. Pantalla LCD OLED de sèrie SPI de 128x64 de 3-5 V 0,96"
  4. Antena (per obtenir les lectures / petjades EM)

Pas 2: maquinari: impressió 3D

Maquinari: impressió 3D
Maquinari: impressió 3D
Maquinari: impressió 3D
Maquinari: impressió 3D
Maquinari: impressió 3D
Maquinari: impressió 3D
  • Hem dissenyat la nostra esfera de canell mitjançant una impressora 3D.
  • El model 3D es va dissenyar en una aplicació Shapr3D mitjançant iPad Pro.
  • El fitxer stl del model 3D es va importar i es va introduir al programari Qidi ja que estàvem utilitzant la impressora X-one-2 Qidi Tech.
  • La impressora 3D va trigar aproximadament 30 minuts a imprimir el model.
  • enllaç al fitxer stl.

Pas 3: Maquinari: tall per làser

  • Hem dissenyat el patró de canellera mitjançant Adobe Illustrator.
  • El model dissenyat es va exportar a la màquina Universal Laser, on vam tallar la fusta a una banda de canell flexible.
  • enllaç al fitxer svg.

Pas 4: Programari: recopilació de dades

  • Amb Photon, la publicació de dades de 3 x 100 valora totes les instàncies possibles.

  • Escriptura de les dades de Photon a data.json al servidor de nodes.
  • Analitzant les dades del servidor de nodes a MATLAB.
  • Les dades enviades a MATLAB tenen la forma d’1 x 300.

Pas 5: programari: formació del conjunt de dades recopilades

  • Trossos d'1 x 300: alimentació a MATLAB. (Per a cada dispositiu es van recollir 27 mostres) 27 x 300 dades recopilades.
  • S'han afegit funcions a les dades (5 funcions): mitjana, mitjana, desviació estàndard, asimetria, curtosi.
  • Capacitació de les dades a la caixa d’eines de classificació MATLAB
  • Prova de dades fora de línia (6 x 6) a la mateixa caixa d’eines

Pas 6: Programari: predir les classes

Predicció

Recuperació de les dades en viu mitjançant fotó

Enviament de les dades en brut al servidor de nodes. (dades guardades al fitxer data.json)

Script MATLAB per llegir les dades del fitxer data.json i predir el resultat

Recomanat: