Sadržaj:
- Korak 1: Hardver: Dizajn kruga
- 2. korak: Hardver: 3D ispis
- Korak 3: Hardver: Lasersko rezanje
- Korak 4: Softver: Prikupljanje podataka
- 5. korak: 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 promjena: 2024-01-30 09:33
Ovaj uređaj namjerava klasificirati različite elektroničke uređaje prema njihovim EM signalima. Za različite uređaje, oni emitiraju različite EM signale. Razvili smo IoT rješenje za identifikaciju elektroničkih uređaja pomoću pribora Particle Photon. Naš nosivi uređaj može se nositi na zapešću koje ima kompaktnu vezu fotona čestica s OLED zaslonom i vezu kruga od fotona čestica do antene isporučene u kompletu.
Ovaj uređaj može se dodatno integrirati za upravljanje elektroničkim uređajima i učiniti ih "pametnim uređajima" sa svim softverom otvorenog koda, tako da možete upravljati njime, također mijenjati ili poboljšavati sposobnosti ovog uređaja.
Korak 1: Hardver: Dizajn kruga
Komponente: (iz kompleta za izradu čestica)
Komplet možete kupiti na raznim internetskim stranicama.
- web stranica Amazon
- Web mjesto za čestice
- Adafruit web stranica
- Ploča za razvoj fotona čestica
- Otpornici x 3 - 1 megaohm
- 3-5V 0.96 "SPI serijski 128X64 OLED LCD zaslon
- Antena (za dobivanje EM očitanja/otisaka)
2. korak: Hardver: 3D ispis
- Brojčanik za narukvicu dizajnirali smo pomoću 3D pisača.
- 3D model je dizajniran u Shapr3D aplikaciji pomoću iPad Pro.
- stl datoteka 3D modela uvezena je i gurnuta u softver Qidi budući da smo koristili pisač X-one-2 Qidi Tech.
- 3D pisaču je trebalo oko 30 minuta za ispis modela.
- vezu do stl datoteke.
Korak 3: Hardver: Lasersko rezanje
- Uzorak narukvice dizajnirali smo pomoću Adobe Illustratora.
- Dizajnirani model zatim je izvezen u univerzalni laserski stroj gdje smo rezali drvo na fleksibilnu narukvicu.
- veza do svg datoteke.
Korak 4: Softver: Prikupljanje podataka
-
Pomoću Photona objavljujete 3 x 100 vrijednosti podataka za svaku moguću instancu.
- Zapisivanje podataka s Photona na data.json na poslužitelju čvorova.
- Analiza podataka s poslužitelja čvora na MATLAB.
- Podaci poslani u MATLAB u obliku su 1 x 300.
5. korak: 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.
- Podaci su dodane značajke - (5 značajki) - srednja vrijednost, srednja vrijednost, standardna devijacija, iskrivljenost, kurtoza.
- Obuka podataka u MATLAB -ovu zbirku alata za klasifikaciju
- Testiranje izvanmrežnih podataka (6 x 6) u istom okviru s alatima
Korak 6: Softver: Predviđanje klasa
Predviđanje
Dohvaćanje podataka uživo pomoću fotona
Slanje neobrađenih podataka poslužitelju čvora. (podaci spremljeni u datoteku data.json)
MATLAB skripta za čitanje podataka iz datoteke data.json i predviđanje rezultata
Preporučeni:
Praćenje Covid19 uživo pomoću ESP8266 i OLED - Kontrolna ploča Covid19 u stvarnom vremenu: 4 koraka
Praćenje Covid19 uživo pomoću ESP8266 i OLED | Nadzorna 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
SCARA Robot: Učenje o unaprijed i obrnutoj kinematici !!! (Plot Twist Naučite kako napraviti ARTUINO sučelje u stvarnom vremenu pomoću PROCESINGA !!!!): 5 koraka (sa slikama)
SCARA Robot: Učenje o unaprijed i obrnutoj kinematici !!! (Plot Twist Saznajte kako stvoriti sučelje u stvarnom vremenu u ARDUINU pomoću PROCESINGA !!!!): SCARA robot je vrlo popularan stroj u svijetu industrije. Naziv znači i selektivna sukladna montažna robotska ruka ili selektivna usklađena zglobna robotska ruka. To je u osnovi robot s tri stupnja slobode, prva dva displ
Postavljanje DS3231 RTC (sata u stvarnom vremenu) točno, brzo i automatizirano pomoću Jave (+-1 s): 3 koraka
Postavljanje DS3231 RTC (sata u stvarnom vremenu) točno, 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 izvršit ćemo detekciju lica u stvarnom vremenu na Raspberry Pi 4 pomoću Shunya O/S koristeći knjižnicu Shunyaface. Slijedom ovog vodiča možete postići brzinu snimanja od 15 do 17 na RaspberryPi-4
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 OpenCV-u 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 napravljen s ovom fantastičnom " bibliotekom računarskog vida otvorenog koda "