Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 خطوات

2024 مؤلف: John Day | [email protected]. آخر تعديل: 2024-01-30 07:36

تتكون وحدة الذكاء الاصطناعي نوسا ليكسو من فصل آلي عن ليكسو. Através de uma webcam، ela identifica o tipo de lixo e o depitita no compartimento adequado para postiormente ser reciclado.

الخطوة 1: ليكسو ، أم مشكلة مونديال

Um dos Principais problemas encontrado no meio urbano، especialmente nas grandes cidades é o lixo sólido، resultado de uma sociedade que a cada dia consome mais.

Para ter uma noção mais ampla do problema tomemos a cidade de São Paulo como exemplo، em média cada pessoa produz diariamente 800 ga 1 kg de lixo diário، ou de 4 a 6 litros de dejetos، por dia são gerados de lixo 15.000 tonelad، تتوافق أيضًا مع 3.750 كاميرات كارغادوس يوميات.

الخطوة 2: Por Que Separar O Lixo؟

Com aeparação dos lixos fica mais fácil e rápida a reciclagem do material..

الخطوة 3: Qual a Solução؟

Nossa solução é uma Lixeira feita com materiais também recicláveis que analisa o tipo de lixo eo descarta no compartimento correto. O rechecimento é através de uma câmera que using um banco de umados de imagens eo formas. capaz de aprender e rechecer o material do objeto descartado (papel، metal، plástico، vidro ou outros). Após a detecção e classificação do objeto، um sinal é enviado para um motor que move uma esteira، posiciona no local adequado e outro motor é acionado الفقرة fazer o despejo.

الخطوة 4: Quais As Tecnologias Utilizadas؟

برمجة:

- OpenCV

- مصنف Haar Cascade

- بايثون

- MRAA

- لينكس (ديبيان)

المعدات:

- دراغون بورد 410 ج

- 96 لوحة ميزانين

- محركات DC

- سائق موتور بونتي H L298N

- فونتي ATX 230W

- كاميرا ويب

الخطوة 5: Algoritmos E Códigos

الجزء 1 - OpenCV ، إحصائية

كومو أو تريينامينتو بارا ريهيستر نظام التشغيل 5 نصائح خاصة بالوصف رقم الخطوة 3 ديمورايا مويتو ، تحديد المشكلة والمشكلة التي تم اكتشافها. Essa detecção ocorreu nos seguintes passos.

1 - Treinamento: Foram utilizadas 20 imagens divideridas entre garrafas e latas

2 - Detecção:

2.1 - صورة المحول للفقرة o espaço de cor HSV. Aumentar 'V' por um fator de 2 com o objetivo de ter يتميز بالرؤية الواضحة.

2.2 - التدرج Encontrar de Sobel nos eixos x e y.

2.3 - Computar a size com iguais pesos em ambas as direções.

2.4 - تطبيق Aplicar o método de Otsu na imagem Discoverada pela câmera..

2.5 - إغلاق Aplicar على الصورة.

2.6 - Aplicar o detector de bordas Canny

2.7 - كالكولا أ تحويل لينها دي هوغ

2.8 - Enquadrar bordas dojeto num retângulo.

2.9 - Checar proporção largura x altura para comparação com o banco de dados. لا يوجد مصروفات مالية محددة للنماذج الإيجابية والسلبية.

3 - Separação: Dado a saída da etapa anterior (garrafa ou lata) ، movemos a esteira (motor) para o lado esquerdo ou direito despejando o objeto e acendo um LED para indicar que o processo ocorreu com.

3.1 - Devido a tensão de saída da DragonBoard ser de apenas 1.8V nos pinos digitais e os driver dos motores reberem uma tensão de no mínimo 5 V، utilizamos as saídas 12 V de uma fonte ATX de 230 W.

3.2 - Nesta etapa utilizamos o mraa para mapear os dois polos do motor em pinos de entrada na mezzanine board para podermos girar a esteira em ambas as direções.

المهمات: É importante deixar claro que o mapeamentos dos pinos da mezzanine board deve estar liberado no diretório / sys / class / gpio e que o código seja exjado como root (sudo).

4 - Armazenamento de dados:

Todas as informações detadas são enviadas para uma instância da AWS IoT onde os dados podem ser acessados pelas pessoas Specialty and tomar ações الضرورات. يستخدم Essas dados são trocados بروتوكول MQTT وإمكانية توفير البيئة والاستفادة من المعلومات في شكل ثنائي.

الخطوة 6: Imagens Do Protótipo Em Construção. (الآيات 1.0 هـ 2.0)

الخطوة 7: يقوم Autores بتنفيذ Projeto

Da esquerda pra direita: - ديفيد كارفالو - لوكاس أزيفيدو - رودريجو ألفيس - لاريسا لاجيس - مانويلا فييرا - بيانكا ليسل - أندريا دوكي أجراديسيمينتوس: أنجيلو بريتو ، تياجو بينيرو ، هيتور أراوجو إي à تودوس كيو نو نو أجودارام ديريتامينت.