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

2024 ደራሲ ደራሲ: John Day | [email protected]. ለመጨረሻ ጊዜ የተሻሻለው: 2024-01-30 07:29

አንድ ሊሴራ ኢንቴልጂንቴ ኮንሴሲስት እና በተናጠል አውቶማቲክ ዶክሰክስ። Através de uma webcam ፣ ela identifica o tipo de lixo e o depositita no compartimento adequado para posteriormente ser reciclado.

ደረጃ 1 ሊክስ ፣ ኡም ችግርማ ሙንዲያል።

እማ ዶስ ዋና ዋና ችግሮች እንደ ኢኮንቴራዶ ምንም ችግር የለባቸውም።

ፓራ ter uma noção mais ampla do problema tomemos a cidade de São Paulo como ምሳሌ ፣ em média cada pessoa produz diariamente entre 800 ga 1 kg de lixo diário, ou de 4 a 6 litros de dejetos, por dia são gerados 15.000 toneladas de lixo, 3.750 caminhões carregados diariamente.

ደረጃ 2: ፖር Se ሴፓራር ኦ ሊክስ?

የመገናኛ ብዙኃን ጽሑፎች።.

ደረጃ 3 - Solução ብቁ?

Nossa solução é uma Lixeira feita com materiais também recicláveis que analisaisa o tipo de lixo eo descarta no compartimento correto. O reconhecimento é através de uma câmera que utiliza um banco de dados de imagens e formas. Há nela um algoritmo com a tec. capaz de aprender e reconhecer o material do objeto descartado (papel, metal, plástico, vidro ou outros). acionado para fazer ወይም despejo.

ደረጃ 4 - ኳይስ እንደ ቴክኖሎጅስ ኡቲሊዛዳስ?

ሶፍትዌር

- OpenCV

- Haar cascade classifier

- ፓይዘን

- MRAA

- ሊኑክስ (ደቢያን)

ሃርድዌር

- Dragonboard 410c

- 96 ቦርድ ሜዛኒን

- ሞተርስ ዲ.ሲ

- የአሽከርካሪ ሞተር Ponte H L298N

- ፎንቴ ATX 230W

- የድረገፅ ካሜራ

ደረጃ 5 Algoritmos E Códigos

ክፍል 1 - OpenCV ፣ ስታቲስቲክስ

Como o treinamento para reconhecer os 5 tipos de materiais descritos no Step 3 demoraria muito, decididor afunilar o problema e detear apenas latas e garrafas de plástico para comprovar a prova do conceito. Essa detecção ocorreu nos seguintes passos.

1 - Treinamento: Foram utilizadas 20 በዓይነ ሕሊናችን ዲቪዲያስን ወደ ጋራፋስ ኢ ላታስ

2 - ዲቴክካኦ

2.1 - መለወጫ imagem para o espaço de cor HSV። Aumentar 'V' por um fator de 2 com o objetivo de ter ባህሪያት mais visíveis.

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

2.3 - ኮምፓተር አንድ መጠን com iguais pesos em ambas እንደ direções።

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

2.5 - አፕሊኬር መዘጋት እና በአእምሮ ውስጥ በሚታየው ሁኔታ ውስጥ።

2.6 - Aplicar o detector de bordas Canny

2.7 - ትራንስፎርዳን ዴ ሊንሃ ደ ሁው ያሰሉ

2.8 - Enquadrar bordas do objeto num retângulo.

2.9 - Checar proporção largura x altura para comparação com o banco de dados. ምንም banco estão armazenados diversos modelos positivos e negativos.

3 - ሰፓራçኦ ፦ ዳዶ ኤ ሳዳ ዳ ኤታፓ ፊትለፊት (garrafa ou lata) ፣ movemos a esteira (motor) para o lado esquerdo ou direito despejando o objeto e acendendo um LED para indicar que o processo ocorreu com sucesso.

3.1 - Devido a tensão de saída da DragonBoard ser de apenas 1.8V nos pinos digitais e os ሾፌሮች dos motores requererem uma tensão de entrada 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.

ምልከታዎች።

4 - አርማዜናሜቶ ዴ ዳሞስ

Todas as informações detectadas são enviadas para uma instância da AWS IoT onde os dados podem ser acessados pelas pessoas competentes e tomar ações necessárias. Essas dados são trocados utilizando o protocolo MQTT onde é possível o envio e recebimento de informações de forma bidirecional.

ደረጃ 6: ምናባዊዎች ፕሮቶቲፖ ኢም Construção። (ቁጥር 1.0 ኢ 2.0)

ደረጃ 7: Autores Do Projeto

ዴስ ካርኬሆ- ሉካስ አዜቬዶ- ሮድሪጎ አልቬስ- ላሪሳ ላጌስ- ማኖኤላ ቪዬራ- ቢያንካ ሊዝሌ- አንድሪያ ዱኬ ደረጃ አሰጣጥ- አንጀሎ ብሪቶ ፣ ቲያጎ ፒንሄሮ ፣ ሄይተር አራኡጆ እና ሌሎች ሁሉም ነገሮች አሉ።