Sisällysluettelo:
2025 Kirjoittaja: John Day | [email protected]. Viimeksi muokattu: 2025-01-23 14:41
Tämä laite on tarkoitettu erilaisten elektronisten laitteiden luokitteluun niiden EM -signaalien mukaan. Eri laitteille niillä on erilaiset EM -signaalit. Olemme kehittäneet IoT -ratkaisun elektronisten laitteiden tunnistamiseen Particle Photon -sarjan avulla. Pukeutuvaa laitettamme voidaan käyttää ranteessa, jossa on pienikokoinen hiukkasfotoniliitäntä OLED -näytöllä ja piiriliitäntä hiukkasfotonista sarjan mukana toimitettuun antenniin.
Tämä laite voidaan integroida edelleen elektronisten laitteiden hallintaan ja tehdä niistä "älylaitteita" kaikkien avoimen lähdekoodin ohjelmistojen kanssa, jotta voit hallita sitä, myös muuttaa tai parantaa tämän laitteen ominaisuuksia.
Vaihe 1: Laitteisto: piirin suunnittelu
Komponentit: (hiukkasvalmistajasarjasta)
Voit ostaa sarjan eri verkko -sivustoilta.
- Amazonin verkkosivusto
- Partikkelien verkkosivusto
- Adafruitin verkkosivusto
- Hiukkasfotonien kehityskortti
- Vastukset x 3 - 1 megaohmia
- 3-5 V: n 0,96 tuuman SPI-sarjan 128 x 64 OLED-LCD-näyttö
- Antenni (EM -lukujen/jalanjälkien saamiseksi)
Vaihe 2: Laitteisto: 3D -tulostus
- Suunnittelimme rannehihnan valitsimen 3D -tulostimella.
- 3D -malli on suunniteltu Shapr3D -sovelluksessa iPad Pron avulla.
- 3D-mallin stl-tiedosto tuotiin ja työnnettiin Qidi-ohjelmistoon, koska käytimme X-one-2 Qidi Tech -tulostinta.
- 3D -tulostin kesti noin 30 minuuttia mallin tulostamiseen.
- linkki stl -tiedostoon.
Vaihe 3: Laitteisto: laserleikkaus
- Suunnittelimme rannekkeen kuvion Adobe Illustratorilla.
- Suunniteltu malli vietiin sitten Universal Laser -koneeseen, jossa leikkasimme puun joustavaksi rannekkeeksi.
- linkki svg -tiedostoon.
Vaihe 4: Ohjelmisto: Tiedonkeruu
-
Photonin avulla 3 x 100 data -arvon julkaiseminen kaikissa mahdollisissa esiintymissä.
- Tietojen kirjoittaminen Photonista solmupalvelimen data.json -tiedostoon.
- Tietojen analysointi solmupalvelimelta MATLAB: lle.
- MATLABille lähetetyt tiedot ovat muodossa 1 x 300.
Vaihe 5: Ohjelmisto: Kerättyjen tietojoukkojen kouluttaminen
- 1 x 300 kappaletta - syötetään MATLAB: lle. (Jokaisesta laitteesta 27 näytettä kerätty) 27 x 300 dataa kerätty.
- Lisätty ominaisuuksia dataan - (5 ominaisuutta) - keskiarvo, mediaani, keskihajonta, vinous, kurtosis.
- Tietojen kouluttaminen MATLAB -luokittelutyökaluryhmään
- Offline -tietojen (6 x 6) testaaminen samassa työkalupakissa
Vaihe 6: Ohjelmisto: Luokkien ennustaminen
Ennustus
Live -datan hakeminen fotonilla
Raakadatan lähettäminen solmupalvelimelle. (data tallennettu data.json -tiedostoon)
MATLAB -skripti data.json -tiedoston tietojen lukemiseen ja tuloksen ennustamiseen
Suositeltava:
Reaaliaikainen Rubikin kuution silmät ratkaistu Ratkaisu Raspberry Pi: n ja OpenCV: n avulla: 4 vaihetta
Reaaliaikainen Rubikin kuution sokeat ratkaisija Raspberry Pi: n ja OpenCV: n avulla: Tämä on Rubikin kuutiotyökalun toinen versio, joka on suunniteltu ratkaisemaan silmät. Ensimmäinen versio on JavaScriptin kehittämä, näet projektin RubiksCubeBlindfolded1Toisin kuin edellinen, tämä versio käyttää OpenCV -kirjastoa värien ja e
Reaaliaikainen kaivon vesimittari: 6 vaihetta (kuvilla)
Reaaliaikainen kaivojen vedenpinnan mittari: Nämä ohjeet kuvaavat, kuinka rakentaa edullinen, reaaliaikainen vedenpinnan mittari kaivettuja kaivoja varten. Vedenkorkeusmittari on suunniteltu roikkumaan kaivetun kaivon sisällä, mittaamaan vedenpinta kerran päivässä ja lähettämään tiedot WiFi- tai matkapuhelinyhteydellä
Reaaliaikainen kaivon veden lämpötila, johtavuus ja vedenpinnan mittari: 6 vaihetta (kuvilla)
Reaaliaikainen kaivon veden lämpötilan, johtavuuden ja vedenpinnan mittari: Nämä ohjeet kuvaavat kuinka rakentaa edullinen, reaaliaikainen vesimittari lämpötilan, sähkönjohtavuuden (EC) ja vedenpinnan valvontaan kaivetuissa kaivoissa. Mittari on suunniteltu roikkumaan kaivetun kaivon sisään, mittaamaan veden lämpötilaa, EY
Postipaita: Reaaliaikainen puettavan asennon tunnistus: 9 vaihetta
Postshirt: Reaaliaikainen puettavan asennon tunnistus: Postshirt on reaaliaikainen langaton asennon tunnistusjärjestelmä, joka lähettää ja luokittelee kiihtyvyysmittarin tiedot Adafruit Featherista Android -sovellukseen Bluetoothin kautta. Koko järjestelmä voi havaita reaaliajassa, jos käyttäjä on huonossa asennossa ja
Kasvojen tunnistus ja tunnistus - Arduino -kasvotunnus OpenCV Pythonin ja Arduinon avulla .: 6 vaihetta
Kasvojen tunnistus ja tunnistus | Arduino -kasvotunnus OpenCV Pythonin ja Arduinon avulla .: Kasvontunnistus AKA -kasvotunnus on yksi tärkeimmistä ominaisuuksista matkapuhelimissa nykyään. Joten minulla oli kysymys " voinko saada kasvotunnuksen Arduino -projektilleni " ja vastaus on kyllä … Matkani alkoi seuraavasti: Vaihe 1: Pääsy