Sommario:

MachineEye: 5 passaggi
MachineEye: 5 passaggi

Video: MachineEye: 5 passaggi

Video: MachineEye: 5 passaggi
Video: selective attention test 2024, Novembre
Anonim
MachineEye
MachineEye

Ho combinato il Texas Instrument Sensor Tag CC2650 con la fotocamera Raspberry Pi per sviluppare un cruscotto con alcune informazioni fantastiche. Ho cablato il progetto utilizzando IBM Node Red che viene installato sull'immagine Raspberry Pi. La fotocamera invia i dati ai servizi Microsoft Cognitive per restituire una descrizione di ciò che vede la fotocamera. Questi dati possono aprire a infinite applicazioni. Il mio esempio è semplice che mostra le condizioni meteorologiche interne e un'immagine con la descrizione di ciò che vede la fotocamera. io

Passaggio 1: hardware e software necessari

Hardware

1. Raspberry Pi 3 (puoi anche usare Pi 2 o Pi modello B)

2. Fotocamera Raspberry Pi

3. Etichetta del sensore CC2650 di Texas Instruments

4. Scheda SD

Software

1. Raspbian Jessie con versione Pixel: marzo 2017

www.raspberrypi.org/downloads/raspbian/

2. Putty - un terminale per programmare il tuo Pi

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

3. Nodo aggiuntivo per il nodo rosso

Ho dettagliato i nodi da installare sul Pi nel Passaggio 3: impostare Node Red.

Passo 2:

Passaggio 3: configurare l'hardware

Configura l'hardware
Configura l'hardware

Sto usando il Raspberry Pi 3 e il Sensor Tag CC2650 dotato di 7 sensori. Il Raspberry Pi 3 ha a bordo WiFi e Bluetooth, quindi non abbiamo bisogno di tanti dongle. Il mio unico dongle è usare il mouse e la tastiera wireless. Puoi utilizzare il sito Web ufficiale di Raspberry Pi per scaricare l'immagine e far funzionare il tuo Pi:

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

Il Tag del sensore deve solo tirare la striscia di plastica e dovrebbe essere pronto. Puoi scoprire maggiori informazioni qui.

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

La fotocamera Raspberry Pi ha anche numerosi blog per aiutarti a configurare la fotocamera:

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

Questo progetto ha il touch screen di Adafruit. Questo è facoltativo e non richiesto per questo progetto.

Passaggio 4: configurazione del nodo rosso

Nodo di configurazione rosso
Nodo di configurazione rosso
Nodo di configurazione rosso
Nodo di configurazione rosso

Node Red è uno strumento facile da usare che è già installato sul Raspberry Pi. Maggiori informazioni possono essere trovate qui:

nodered.org/

Il passaggio più importante qui è aggiornare la tua versione sul Pi:

sudo update-nodejs-and-node

Ora controlla la tua versione. Sto usando Putty per questo progetto come terminale.

npm -v

3.10.10

nodo -v

6.10.0

Ora che il tuo Node Red è aggiornato, aggiungeremo alcuni nodi per connetterti alla nostra fotocamera Raspberry Pi e al tag del sensore. Tutti i nodi dovrebbero essere installati in questa directory:

~/.node-red

Iniziamo !

npm install node-red-contrib-camerapi

npm install node-red-node-dweetio

npm install node-red-contrib-freeboard

npm install node-red-contrib-cognitive-services

npm install node-red-node-sensortag

npm install node-red-node-dropbox

Questo richiederà del tempo e se ricevi avvisi dovrebbe andare bene. Ho incluso un nodo di iniezione per scattare foto a intervalli definiti. Dweetio serve al nodo Camera Vision per leggere la descrizione o i tag dall'immagine e inviarli alla casella di testo del dashboard di Freeboard. Servizi cognitivi include il nodo Visione artificiale.

Devi ottenere una chiave di abbonamento gratuita da Microsoft per il nodo Visione artificiale.

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

Il nodo Dropbox è perfetto per questo progetto. Ho usato la guida di Adafruit trovata qui:

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

Scorri verso il basso fino a Configurazione Dropbox. Questo dovrebbe funzionare su qualsiasi Pi e hanno reso la configurazione molto più semplice. Ti guiderà a configurare un Dropbox e come inserire le chiavi necessarie per connetterti a Dropbox. Questo è il miglior tutorial che ho trovato. Ma per vedere l'immagine nella Dashboard ho dovuto modificare il collegamento per l'immagine. Ho scelto di utilizzare uno strumento Dropbox chiamato Scelta risorse per ottenere un collegamento diretto all'immagine scaricata su Dropbox. Manterrò lo stesso nome per l'immagine-j.webp

Per visualizzare il flusso di Node Red basta aprire un browser. Mi piace Chrome e questo è solo un esempio per il formato:

192.168.1.1:1880

Passaggio 5: configurare la DashBoard

Configurare la DashBoard
Configurare la DashBoard

La dashboard di FreeBoard è un modo flessibile e semplice per visualizzare i dati in modo significativo. Ci sono due origini dati impostate e ogni set di dati con un "nome-mio-cosa". Collego il primo nodo dweetio chiamato Machine Eye al nodo foto. Questo invierà il payload della fotocamera al cloud e ci consentirà di acquisire le informazioni sulla dashboard. Questa sarà una casella di testo.

Il secondo nodo Dweetio è per il tag del sensore. Questo nodo è collegato al tag del sensore e di nuovo invierà il carico utile dei sensori al cloud e verrà nuovamente catturato. sul cruscotto. I dati sono in tempo reale. Ho aggiunto alcuni pannelli sensore per questa demo.

La casella immagine è un riquadro Immagine con il collegamento diretto a Dropbox. L'immagine e la descrizione dovrebbero cambiare ogni volta che viene attivata un'immagine.

L'immagine sopra è una cattura fotografica del mio gatto in ceramica. Sono arrivato un po' in ritardo nell'iscrivermi al concorso ea causa del nostro maltempo sulla costa atlantica del Canada non ho potuto portare la fotocamera fuori. Le precipitazioni e il freddo uccideranno i miei dispositivi elettronici. Ho anche bisogno che i miei amici e i loro migliori cuccioli di pelo vengano a fare un servizio fotografico.

Consigliato: