جدول المحتويات:
- الخطوة 1: الأجهزة: تصميم الدوائر
- الخطوة 2: الأجهزة: الطباعة ثلاثية الأبعاد
- الخطوة 3: الأجهزة: القطع بالليزر
- الخطوة 4: البرمجيات: جمع البيانات
- الخطوة 5: البرمجيات: تدريب مجموعة البيانات المجمعة
- الخطوة 6: البرنامج: توقع الفئات
فيديو: التعرف على الجهاز في الوقت الفعلي باستخدام آثار أقدام EM: 6 خطوات
2024 مؤلف: John Day | [email protected]. آخر تعديل: 2024-01-30 07:37
يهدف هذا الجهاز إلى تصنيف الأجهزة الإلكترونية المختلفة وفقًا لإشاراتها الكهرومغناطيسية. للأجهزة المختلفة ، لديهم إشارات كهرومغناطيسية مختلفة تنبعث منها. لقد قمنا بتطوير حل إنترنت الأشياء لتحديد الأجهزة الإلكترونية باستخدام مجموعة Particle Photon. يمكن ارتداء جهازنا القابل للارتداء على المعصم الذي يحتوي على اتصال مضغوط لفوتون الجسيمات مع شاشة OLED ووصلة دائرة من فوتون الجسيمات إلى الهوائي المزود في المجموعة.
يمكن دمج هذا الجهاز بشكل أكبر للتحكم في الأجهزة الإلكترونية وجعلها "أجهزة ذكية" مع جميع البرامج مفتوحة المصدر ، بحيث يمكنك التحكم فيها ، وكذلك تعديل أو تحسين قدرة هذا الجهاز.
الخطوة 1: الأجهزة: تصميم الدوائر
المكونات: (من مجموعة صانع الجسيمات)
يمكنك شراء المجموعة من مواقع الإنترنت المختلفة.
- موقع أمازون
- موقع الجسيمات
- موقع Adafruit
- مجلس تطوير الفوتون الجسيمات
- مقاومات × 3-1 ميغا أوم
- 3-5V 0.96 "SPI Serial 128X64 OLED LCD Display
- هوائي (للحصول على قراءات EM / آثار الأقدام)
الخطوة 2: الأجهزة: الطباعة ثلاثية الأبعاد
- قمنا بتصميم قرص المعصم باستخدام طابعة ثلاثية الأبعاد.
- تم تصميم النموذج ثلاثي الأبعاد في تطبيق Shapr3D باستخدام iPad Pro.
- تم استيراد ملف stl للنموذج ثلاثي الأبعاد ودفعه إلى برنامج Qidi نظرًا لأننا كنا نستخدم طابعة X-one-2 Qidi Tech.
- استغرقت الطابعة ثلاثية الأبعاد حوالي 30 دقيقة لطباعة النموذج.
- الارتباط بملف stl.
الخطوة 3: الأجهزة: القطع بالليزر
- لقد صممنا نمط رباط المعصم باستخدام Adobe Illustrator.
- ثم تم تصدير النموذج المصمم إلى ماكينة Universal Laser حيث قمنا بقطع الخشب إلى شريط معصم مرن.
- الارتباط بملف svg.
الخطوة 4: البرمجيات: جمع البيانات
-
باستخدام الفوتون ، نشر قيمة بيانات 3 × 100 في كل حالة ممكنة.
- كتابة البيانات من فوتون إلى data.json في خادم العقدة.
- تحليل البيانات من خادم العقدة إلى MATLAB.
- البيانات المرسلة إلى MATLAB هي 1 × 300.
الخطوة 5: البرمجيات: تدريب مجموعة البيانات المجمعة
- قطع 1 × 300 - علف إلى MATLAB. (تم جمع 27 عينة لكل جهاز) 27 × 300 بيانات.
- الميزات المضافة إلى البيانات - (5 ميزات) - متوسط ، متوسط ، انحراف معياري ، انحراف ، تفرطح.
- تدريب البيانات في مربع أدوات تصنيف MATLAB
- اختبار البيانات دون اتصال (6 × 6) في نفس صندوق الأدوات
الخطوة 6: البرنامج: توقع الفئات
تنبؤ
إحضار البيانات الحية باستخدام الفوتون
إرسال البيانات الأولية إلى خادم العقدة. (البيانات المحفوظة في ملف data.json)
برنامج MATLAB النصي لقراءة البيانات من ملف data.json والتنبؤ بالنتيجة
موصى به:
رسم الرسم البياني في الوقت الفعلي على Android من Arduino من خلال HC-05: 3 خطوات
رسم رسم بياني في الوقت الفعلي على Android من Arduino من خلال HC-05: مرحبًا ، إليك برنامج تعليمي لكيفية رسم رسم بياني للقيم في الوقت الفعلي من وحدة تحكم دقيقة مثل Arduino إلى التطبيق. يستخدم وحدة Bluetooth مثل HC-05 للعمل كجهاز مراسلة لنقل واستقبال البيانات بين Ar
التعرف على الصور باستخدام TensorFlow على Raspberry Pi: 6 خطوات
التعرف على الصور باستخدام TensorFlow على Raspberry Pi: Google TensorFlow عبارة عن مكتبة برامج مفتوحة المصدر للحسابات الرقمية باستخدام الرسوم البيانية لتدفق البيانات. يتم استخدامه من قبل Google في مختلف مجالات التعلم الآلي وتقنيات التعلم العميق. تم تطوير TensorFlow في الأصل بواسطة Google Brai
قائمة المهام في الوقت الفعلي باستخدام Google Firebase: 12 خطوة
قائمة المهام في الوقت الفعلي باستخدام Google Firebase: مرحبًا بكم! نستخدم جميعًا قوائم المهام على أساس يومي ، سواء كان ذلك عبر الإنترنت أو غير متصل. في حين أن القوائم غير المتصلة تكون عرضة للضياع ، ويمكن وضع القوائم الافتراضية في غير مكانها أو حذفها عن طريق الخطأ أو حتى نسيانها. لذلك قررنا إنشاء واحد على Google Firebase ،
التعرف على الوجوه في الوقت الحقيقي: مشروع شامل: 8 خطوات (بالصور)
التعرف على الوجوه في الوقت الفعلي: مشروع شامل: في تعليمي الأخير لاستكشاف OpenCV ، تعلمنا تتبع كائن الرؤية التلقائي. الآن سوف نستخدم PiCam الخاص بنا للتعرف على الوجوه في الوقت الفعلي ، كما ترى أدناه: تم تنفيذ هذا المشروع باستخدام مكتبة رؤية الكمبيوتر ذات المصدر المفتوح & qu
إخطارات الأحداث في الوقت الفعلي باستخدام NodeMCU (Arduino) و Google Firebase و Laravel: 4 خطوات (بالصور)
إخطارات الأحداث في الوقت الفعلي باستخدام NodeMCU (Arduino) و Google Firebase و Laravel: هل أردت يومًا أن يتم إعلامك عندما يكون هناك إجراء على موقع الويب الخاص بك ولكن البريد الإلكتروني ليس مناسبًا؟ هل تريد سماع صوت أو جرس في كل مرة تقوم فيها بعملية بيع؟ أو هناك حاجة إلى اهتمامك الفوري بسبب ظهور