Reaaliaikainen laitteen tunnistus käyttämällä EM-jalanjälkiä: 6 vaihetta

2025 Kirjoittaja: John Day | [email protected]. Viimeksi muokattu: 2025-01-13 06:57

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

1. Hiukkasfotonien kehityskortti
2. Vastukset x 3 - 1 megaohmia
3. 3-5 V: n 0,96 tuuman SPI-sarjan 128 x 64 OLED-LCD-näyttö
4. 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