Sadržaj:
- Korak 1: Hardver: Dizajn kola
- Korak 2: Hardver: 3D štampanje
- Korak 3: Hardver: Lasersko rezanje
- Korak 4: Softver: Prikupljanje podataka
- Korak 5: Softver: Obuka prikupljenog skupa podataka
- Korak 6: Softver: Predviđanje klasa
Video: Prepoznavanje uređaja u stvarnom vremenu pomoću EM otisaka: 6 koraka
2024 Autor: John Day | [email protected]. Zadnja izmjena: 2024-01-30 08:05
Ovaj uređaj je namijenjen klasifikaciji različitih elektroničkih uređaja prema njihovim EM signalima. Za različite uređaje, oni emitiraju različite EM signale. Razvili smo IoT rješenje za identifikaciju elektroničkih uređaja pomoću Particle Photon kompleta. Naš nosivi uređaj može se nositi na ručnom zglobu koji ima kompaktnu vezu fotona čestica s OLED zaslonom i vezu kruga od fotona čestica do antene isporučene u kompletu.
Ovaj uređaj se može dodatno integrirati za upravljanje elektroničkim uređajima i učiniti ih "pametnim uređajima" sa svim softverom otvorenog koda, tako da ih možete kontrolirati, također izmijeniti ili poboljšati mogućnosti ovog uređaja.
Korak 1: Hardver: Dizajn kola
Komponente: (iz kompleta za izradu čestica)
Komplet možete kupiti na raznim internetskim stranicama.
- Amazon web stranica
- Web stranica o česticama
- Adafruit web stranica
- Ploča za razvoj fotona od čestica
- Otpornici x 3 - 1 megaohm
- 3-5V 0.96 "SPI serijski 128X64 OLED LCD ekran
- Antena (za dobijanje EM očitanja/otisaka)
Korak 2: Hardver: 3D štampanje
- Brojčanik za narukvicu dizajnirali smo pomoću 3D štampača.
- 3D model je dizajniran u Shapr3D aplikaciji koristeći iPad Pro.
- stl datoteka 3D modela je uvezena i ubačena u softver Qidi budući da smo koristili X-one-2 Qidi Tech štampač.
- 3D štampaču je trebalo približno 30 minuta za štampanje modela.
- vezu do stl datoteke.
Korak 3: Hardver: Lasersko rezanje
- Dizajnirali smo uzorak narukvice koristeći Adobe Illustrator.
- Dizajnirani model je zatim izvezen u univerzalnu lasersku mašinu gdje smo rezali drvo na fleksibilnu narukvicu.
- veza do svg datoteke.
Korak 4: Softver: Prikupljanje podataka
-
Koristeći Photon, objavljujući 3 x 100 vrijednosti podataka svaku moguću instancu.
- Zapisivanje podataka sa Photona na data.json na poslužitelju čvorova.
- Analiza podataka s poslužitelja čvora na MATLAB.
- Podaci poslani MATLAB -u su u obliku 1 x 300.
Korak 5: Softver: Obuka prikupljenog skupa podataka
- Komadići 1 x 300 - dopremaju se u MATLAB. (Za svaki uređaj prikupljeno 27 uzoraka) Prikupljeno je 27 x 300 podataka.
- Dodane karakteristike podacima - (5 karakteristika) - srednja vrijednost, srednja vrijednost, standardna devijacija, iskrivljenost, kurtoza.
- Obuka podataka u MATLAB -ovu zbirku alata za klasifikaciju
- Testiranje vanmrežnih podataka (6 x 6) u istom okviru s alatima
Korak 6: Softver: Predviđanje klasa
Prediction
Dohvaćanje podataka uživo pomoću fotona
Slanje neobrađenih podataka na poslužitelj čvora. (podaci sačuvani u datoteci data.json)
MATLAB skripta za čitanje podataka iz datoteke data.json i predviđanje rezultata
Preporučuje se:
Praćenje Covid19 uživo pomoću ESP8266 i OLED - Kontrolna ploča Covid19 u stvarnom vremenu: 4 koraka
Praćenje Covid19 uživo pomoću ESP8266 i OLED | Kontrolna ploča Covid19 u stvarnom vremenu: Posjetite Techtronic Harsh web stranicu: http: //techtronicharsh.comSvugdje postoji velika epidemija novog korona virusa (COVID19). Postalo je potrebno paziti na trenutni scenarij COVID-19 u svijetu. Dakle, budući da je kod kuće, ovo je bio p
Postavljanje DS3231 RTC (sata u stvarnom vremenu) precizno, brzo i automatizirano pomoću Jave (+-1 s): 3 koraka
Postavljanje DS3231 RTC (sata u stvarnom vremenu) precizno, brzo i automatizirano pomoću Jave (+-1 s): Ova instrukcija će vam pokazati kako postaviti vrijeme na satu DS3231 u stvarnom vremenu pomoću Arduina i male Java aplikacije koja koristi serijska veza Arduina. Osnovna logika ovog programa: 1. Arduino šalje serijski zahtjev
Prepoznavanje lica u stvarnom vremenu na RaspberryPi-4: 6 koraka (sa slikama)
Detekcija lica u stvarnom vremenu na RaspberryPi-4: U ovom Instructableu ćemo izvršiti detekciju lica u stvarnom vremenu na Raspberry Pi 4 sa Shunya O/S koristeći Shunyaface Library. Prateći ovaj vodič možete postići brzinu kadrova otkrivanja 15-17 na RaspberryPi-4
Kako napraviti sat u stvarnom vremenu pomoću Arduino i TFT ekrana - Arduino Mega RTC sa 3,5 -inčnim TFT ekranom: 4 koraka
Kako napraviti sat u stvarnom vremenu koristeći Arduino i TFT ekran | Arduino Mega RTC sa 3,5-inčnim TFT ekranom: Posjetite moj Youtube kanal. Uvod:- U ovom postu ću napraviti „Sat u stvarnom vremenu“koristeći 3,5-inčni TFT LCD ekran osjetljiv na dodir, Arduino Mega 2560 i DS3231 RTC modul … .Prije početka … provjerite video sa mog YouTube kanala..Napomena:- Ako koristite Arduin
Prepoznavanje lica u stvarnom vremenu: projekt s kraja na kraj: 8 koraka (sa slikama)
Prepoznavanje lica u stvarnom vremenu: projekt s kraja na kraj: U mom zadnjem vodiču o istraživanju OpenCV-a naučili smo AUTOMATSKO VISION OBJEKTNO PRAĆENJE. Sada ćemo koristiti naš PiCam za prepoznavanje lica u stvarnom vremenu, kao što možete vidjeti u nastavku: Ovaj projekt je urađen s ovom fantastičnom " bibliotekom računarskog vida otvorenog koda "