Կատարեք Pi աղբի դասակարգիչ ML- ով: 8 քայլ (նկարներով)

2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:45

Աղբարկղերի դասակարգիչ նախագիծը, որը սիրով հայտնի է «Որտեղ է այն գնում ?!» անունով, նախատեսված է իրերն ավելի արագ և հուսալի դարձնելու համար:

Այս նախագիծը օգտագործում է Machine Learning (ML) մոդելը, որը սովորել է Լոբում, սկսնակների համար հարմար (ոչ կոդով) ML մոդել ստեղծող ՝ որոշելու համար, թե արդյոք որևէ առարկա թափվում է աղբի, վերամշակման, պարարտանյութի կամ վտանգավոր թափոնների մեջ: Մոդելը այնուհետև բեռնվում է Raspberry Pi 4 համակարգչի վրա ՝ այն օգտագործելի դարձնելու համար, որտեղ էլ որ գտնեք աղբամաններ:

Այս ձեռնարկը պատմում է ձեզ, թե ինչպես ստեղծել ձեր սեփական աղբարկղերի դասակարգիչ նախագիծը Raspberry Pi- ի վրա ՝ Python3- ի Lobe TensorFlow մոդելի միջոցով:

Դժվարություն. Սկսնակ ++ (սխեմաների և կոդավորման որոշ գիտելիքներ օգտակար են)

Կարդալու ժամանակը ՝ 5 րոպե

Կառուցման ժամանակը `60 - 90 րոպե

Արժեքը ՝ 70 դոլար (ներառյալ Pi 4)

Պարագաներ:

Softwareրագրային ապահովում (համակարգչի կողմից)

• Բլիթ
• WinSCP (կամ SSH ֆայլերի փոխանցման այլ եղանակ, կարող է օգտագործել CyberDuck- ը Mac- ի համար)
• Տերմինալ
• Հեռակա աշխատասեղանի միացում կամ RealVNC

Սարքավորումներ

• Raspberry Pi, SD քարտ և USB-C սնուցման աղբյուր (5V, 2.5A)
• Pi տեսախցիկ
• Pushbutton

• 5 LED (4 ցուցիչ LED և 1 կարգավիճակի LED)

  • Դեղին LED: աղբ
  • Կապույտ LED: վերամշակել
  • Կանաչ LED: պարարտություն
  • Կարմիր LED: վտանգավոր թափոններ
  • Սպիտակ LED: կարգավիճակ
• 6 220 Օմ դիմադրություն
• 10 M-to-M jumper լարեր
• Հացի տախտակ, կիսով չափ

Եթե ընտրում եք զոդել,

• 1 JST միակցիչ, միայն իգական ծայրով
• 2 M-to-F jumper լարեր
• 10 F-to-F jumper լարեր
• PCB

Պարիսպ

• Նախագծի պատյան (օրինակ ՝ ստվարաթուղթ, փայտ կամ պլաստմասե տուփ, մոտավորապես 6 "x 5" x 4 ")

• 0.5 "x 0.5" (2 սմ x 2 սմ) թափանցիկ պլաստիկ քառակուսի

  Օրինակ ՝ պլաստիկ սննդի տարայի կափարիչից

• Velcro

Գործիքներ

• Մետաղալար կտրիչներ
• Knifeշգրիտ դանակ (օրինակ ՝ ճշգրիտ դանակ) և կտրող գորգ
• Sոդման երկաթ (ըստ ցանկության)
• Տաք հալեցման գործիք (կամ այլ ոչ հաղորդիչ սոսինձ-էպոքսիդն աշխատում է հիանալի, բայց մշտական է)

Քայլ 1: Նախքան սկսելը

Այս նախագիծը ենթադրում է, որ դուք սկսում եք լիովին կազմաձևված Raspberry Pi- ով ՝ անգլուխ կազմաձևով: Ահա սկսնակների համար հարմար ուղեցույց, թե ինչպես դա անել:

Այն նաև օգնում է որոշակի գիտելիքներ ունենալ հետևյալի վերաբերյալ.

1. Pանոթություն Raspberry Pi- ին

   • Ահա ձեռքի գործարկման ուղեցույց:
   • Նաև օգտակար է. Սկսել Pi տեսախցիկով

2. Python ծածկագրի ընթերցում և խմբագրում (ձեզ հարկավոր չէ ծրագիր գրել, պարզապես խմբագրել)

   Pyանոթացում Python- ին Raspberry Pi- ի հետ

3. Fritzing էլեկտրագծերի դիագրամների ընթերցում

4. Օգտագործելով գրատախտակ

   Ինչպես օգտագործել հացահատիկի ձեռնարկ

Իմացեք, թե ուր է գնում ձեր աղբը

ԱՄՆ -ի յուրաքանչյուր քաղաք (և ես ենթադրում եմ, որ աշխարհը) ունի իր աղբը/վերամշակումը/պարարտանյութը և այլն: հավաքման համակարգ: Սա նշանակում է, որ աղբի ճշգրիտ դասակարգիչ պատրաստելու համար մենք պետք է 1) կառուցենք հատուկ ML մոդել (մենք դա կներկայացնենք հաջորդ քայլին ՝ առանց ծածկագրի) և 2) իմանանք, թե ուր է գնում աղբի յուրաքանչյուր կտոր:

Քանի որ ես միշտ չէի իմանում, թե որ աղբամանն է յուրաքանչյուր մոդելի իմ մոդելը վարժեցնելու համար, ես օգտագործեցի Seattle Utilities թռուցիկը (լուսանկար 1), ինչպես նաև այս հարմար «Ուր է գնում»: որոնման գործիք Սիեթլ քաղաքի համար: Ստուգեք, թե ինչ ռեսուրսներ կան ձեր քաղաքում ՝ փնտրելով ձեր քաղաքի աղբահանության ծառայությունը և ուսումնասիրելով դրա կայքը:

Քայլ 2: Ստեղծեք Լոբում հարմարեցված ML մոդել

Lobe- ը հեշտ օգտագործման գործիք է, որն ունի այն ամենը, ինչ անհրաժեշտ է ձեր մեքենայական ուսուցման գաղափարները կյանքի կոչելու համար: Showույց տվեք այն, թե ինչ եք ուզում, որ այն անի, և այն ավտոմատ կերպով պատրաստում է մեքենայական ուսուցման հատուկ մոդել, որը կարող է արտահանվել ծայրահեղ սարքերի և ծրագրերի համար: Սկսելու համար դա չի պահանջում որևէ փորձ: Դուք կարող եք անվճար մարզվել ձեր համակարգչի վրա:

Ահա արագ ակնարկ, թե ինչպես օգտագործել Լոբեն

1. Բացեք Lobe ծրագիրը և ստեղծեք նոր նախագիծ:

2. Լուսանկարեք կամ ներմուծեք և դրեք դրանք համապատասխան կատեգորիաներում: (Լուսանկար 1) Այս պիտակները մեզ ավելի ուշ պետք կգան ծրագրի ծրագրային մասում:

Լուսանկարներ ներմուծելու երկու եղանակ կա.

1. Լուսանկարեք տարրերի լուսանկարներ անմիջապես ձեր համակարգչի վեբ տեսախցիկից, կամ

2. Ձեր համակարգչում ներմուծեք լուսանկարներ առկա թղթապանակներից:

   Հիշեք, որ լուսանկարների պանակի անունը կօգտագործվի որպես կատեգորիայի պիտակի անուն, այնպես որ համոզվեք, որ այն համընկնում է առկա պիտակների հետ:

Մի կողմ. Ես ավարտեցի երկու մեթոդների օգտագործումը, քանի որ որքան շատ լուսանկարներ ունեք, այնքան ավելի ճշգրիտ է ձեր մոդելը:

3. Օգտագործեք «Խաղալ» հնարավորությունը `մոդելի ճշգրտությունը ստուգելու համար: Փոխեք հեռավորությունները, լուսավորությունը, ձեռքի դիրքերը և այլն ՝ պարզելու համար, թե որտեղ է գտնվում մոդելը և այն ճշգրիտ չէ: Անհրաժեշտության դեպքում ավելացրեք ավելի շատ լուսանկարներ: (Լուսանկարներ 3 - 4)

4. Երբ պատրաստ լինեք, արտահանեք ձեր Lobe ML մոդելը TensorFlow (TF) Lite ձևաչափով:

Խորհուրդներ

• Լուսանկարներ ներմուծելուց առաջ կազմեք բոլոր այն կատեգորիաների ցանկը, որոնք ձեզ անհրաժեշտ են և ինչպես եք ցանկանում դրանք պիտակավորել (օրինակ ՝ «աղբ», «վերամշակել», «պարարտություն» և այլն):

  Նշում. Օգտագործեք նույն պիտակները, ինչպես ցույց է տրված «Lobe Model Labels» - ի վերևի լուսանկարում `նվազեցնելու համար անհրաժեշտ ծածկագրի քանակը:

• Ներառեք «աղբաման չլինելու» կատեգորիա, որն ունի լուսանկարում այն, ինչ լուսանկարում կա (օրինակ ՝ ձեր ձեռքերն ու ձեռքերը, ֆոնը և այլն)
• Հնարավորության դեպքում լուսանկարեք Pi Camera- ից և ներմուծեք Lobe: Սա մեծապես կբարելավի ձեր մոդելի ճշգրտությունը:
• Ավելի շատ լուսանկարների կարիք ունե՞ք: Ստուգեք բաց աղբյուրների տվյալների հավաքածուները Kaggle- ում, ներառյալ աղբի դասակարգման այս պատկերի հավաքածուն:
• Ավելի շատ օգնության կարիք ունե՞ք: Միացեք Lobe Coommunity- ի հետ Reddit- ում:

Քայլ 3: Կառուցեք այն. Սարքաշար:

1. fullyգուշորեն միացրեք Pi տեսախցիկը Pi- ին (լրացուցիչ տեղեկությունների համար այցելեք Pi հիմնադրամի մեկնարկի ուղեցույց): (Լուսանկար 1)

2. Հետևեք էլեկտրագծերի գծապատկերին `կոճակը և LED- ները Pi GPIO կապումներին միացնելու համար:

• Սեղմիչ. Միացրեք կոճակի մի ոտքը GPIO կապին: Մյուսը, ռեզիստորի միջոցով, միացրեք GPIO GND քորոցին:
• Դեղին լուսադիոդ. Միացրեք դրական (ավելի երկար) ոտքը GPIO կապին 17. Մյուս ոտքը, ռեզիստորի միջոցով, միացրեք GPIO GND քորոցին:
• Կապույտ LED. Դրական ոտքը միացրեք GPIO կապին 27. Մյուս ոտքը, ռեզիստորի միջոցով, միացրեք GPIO GND քորոցին:
• Կանաչ LED. Միացրեք դրական ոտքը GPIO կապին 22. Մյուս ոտքը միացրեք դիմադրիչի միջոցով GPIO GND քորոցին:
• Կարմիր LED. Դրական ոտքը միացրեք GPIO կապին 23. Մյուս ոտքը, ռեզիստորի միջոցով, միացրեք GPIO GND քորոցին:
• Սպիտակ LED. Դրական ոտքը միացրեք GPIO կապին 24. Մյուս ոտքը, ռեզիստորի միջոցով, միացրեք GPIO GND քորոցին:

3. Խորհուրդ է տրվում ստուգել ձեր սխեման տախտակի վրա և գործարկել ծրագիրը, նախքան միացումներից կամ կապերից որևէ մեկը մշտական դարձնելը: Դա անելու համար մենք պետք է գրենք և վերբեռնենք մեր ծրագրաշարը, ուստի եկեք գնանք հաջորդ քայլին:

Քայլ 4: Կոդավորեք այն `ծրագրակազմ:

1. Ձեր համակարգչի վրա բացեք WinSCP- ը և միացեք ձեր Pi- ին: Ստեղծեք Lobe թղթապանակ ձեր Pi- ի տնային գրացուցակում և ստեղծեք մոդելային թղթապանակ այդ գրացուցակում:

2. Քաշեք ստացված Lobe TF թղթապանակի բովանդակությունը Pi- ի վրա: Նշեք ֆայլի ուղին ՝/home/pi/Lobe/model

3. Pi- ում բացեք տերմինալ և ներբեռնեք Python3- ի lobe-python գրադարանը ՝ գործադրելով հետևյալ bash հրամանները.

pip3 տեղադրել

pip3 տեղադրել բլիթ

4. Ներբեռնեք Աղբարկղերի դասակարգիչի կոդը (rpi_trash_classifier.py) այս ռեպոից Pi- ի վրա (կտտացրեք «Կոդ» կոճակին, ինչպես ցույց է տրված Լուսանկար 1 -ում):

• Նախընտրում եք պատճենել/տեղադրե՞լ: Ստացեք հում կոդը այստեղ:
• Նախընտրո՞ւմ եք ներբեռնել ձեր համակարգչում: Ներբեռնեք ռեպո/ծածկագիրը ձեր համակարգչի վրա, այնուհետև փոխանցեք Python- ի կոդը Pi- ին WinSCP (կամ ձեր նախընտրած հեռավոր ֆայլերի փոխանցման ծրագրի միջոցով):

5. Սարքաշարը Pi- ի GPIO կապումներին միացնելուց հետո կարդացեք օրինակի կոդը և ըստ անհրաժեշտության թարմացրեք ֆայլի ցանկացած ուղի.

• 29 -րդ տող. Ֆայլուղի դեպի Lobe TF մոդել
• 47 -րդ և 83 -րդ տողեր. Ֆայլային ուղի դեպի գրավված պատկերներ Pi Camera- ի միջոցով

6. Անհրաժեշտության դեպքում թարմացրեք ծածկագրի մոդելի պիտակները, որպեսզի դրանք համապատասխանեն ձեր Lobe մոդելի պիտակներին (ներառյալ մեծատառերը, կետադրական նշանները և այլն):

• Տող 57 ՝ «աղբ»
• Տող 60 ՝ «վերամշակում»
• Տող 63 ՝ «պարարտություն»
• Տող 66 ՝ «վտանգավոր թափոնների օբյեկտ»
• 69 -րդ տող ՝ «աղբ չես»:

7. Գործարկեք ծրագիրը ՝ օգտագործելով Python3 տերմինալի պատուհանում.

python3 rpi_trash_classifier.py

Քայլ 5: Փորձարկեք. Գործարկեք ծրագիրը:

Overրագրի ակնարկ

Firstրագիրը առաջին անգամ գործարկելիս որոշ ժամանակ կպահանջվի TensorFlow գրադարանը և Lobe ML մոդելը բեռնելու համար: Երբ ծրագիրը պատրաստ է նկարել պատկերը, կարգավիճակի լույսը (սպիտակ LED) կզարկի:

Պատկեր վերցնելուց հետո ծրագիրը կհամեմատի պատկերը Lobe ML մոդելի հետ և կարտադրի ստացված կանխատեսումը (տող 83): Ելքը որոշում է, թե որ լույսը միացված է ՝ դեղին (աղբ), կապույտ (վերամշակում), կանաչ (պարարտություն) կամ կարմիր (վտանգավոր թափոն):

Եթե ցուցիչ LED- ներից ոչ մեկը չի միանում, և կարգավիճակի LED- ը վերադառնում է զարկերակային ռեժիմ, նշանակում է, որ նկարված պատկերը «աղբարկղ չէ», այլ կերպ ասած ՝ նորից վերցրեք լուսանկարը:

Պատկերի գրավում

Սեղմեք կոճակը ՝ նկարը պատկերելու համար: Նկատի ունեցեք, որ մամուլը գրանցելու համար գուցե անհրաժեշտ լինի սեղմել կոճակը առնվազն 1 վայրկյան: Խորհուրդ է տրվում վերցնել որոշ փորձնական պատկերներ, այնուհետև դրանք բացել աշխատասեղանի վրա `տեսախցիկի տեսքն ու շրջանակն ավելի լավ հասկանալու համար:

Որպեսզի օգտվողին ժամանակ տրամադրվի օբյեկտը տեղադրելու և տեսախցիկի լուսավորման մակարդակները կարգավորելու համար, մոտ 5 վայրկյան տևում է պատկերը լիովին գրավելու համար: Դուք կարող եք փոխել այս կարգավորումները ծածկագրում (տողեր 35 և 41), սակայն հիշեք, որ Pi հիմնադրամը խորհուրդ է տալիս նվազագույնը 2 վրկ լուսավորության մակարդակի ճշգրտման համար:

Անսարքությունների վերացում

Ամենամեծ մարտահրավերն այն է, որ գրավված պատկերը լինի այն, ինչ մենք ակնկալում ենք, այնպես որ որոշ ժամանակ հատկացրեք ՝ պատկերները վերանայելու և ակնկալվող արդյունքները համեմատելու LED ցուցիչով: Անհրաժեշտության դեպքում, դուք կարող եք պատկերներով փոխանցել Lobe ML մոդելին `ուղղակիորեն ներխուժելու և ավելի արագ համեմատելու համար:

Մի քանի բան պետք է նշել.

• TensorFlow գրադարանը, ամենայն հավանականությամբ, կթողնի որոշ նախազգուշական հաղորդագրություններ. Սա բնորոշ է այս ընտրանքային կոդի մեջ օգտագործված տարբերակին:
• Կանխատեսման պիտակները պետք է լինեն ճիշտ այնպես, ինչպես գրված է led_select () գործառույթում, ներառյալ մեծատառերը, կետադրական նշանները և տարածությունը: Համոզվեք, որ դրանք փոխեք, եթե ունեք Lobe- ի այլ մոդել:
• Pi- ն պահանջում է կայուն էներգիայի մատակարարում: Pi- ի հզորության լույսը պետք է լինի վառ, պինդ կարմիր:
• Եթե մեկ կամ մի քանի լուսադիոդային լուսարձակներ չեն միանում, երբ սպասվում էր, ստուգեք դրանք ստիպելով հրամանին.

red_led.on ()

Քայլ 6. (Լրացուցիչ) Կառուցեք այն. Վերջացրեք ձեր սխեման:

Այժմ, երբ մենք փորձարկել և, անհրաժեշտության դեպքում, կարգաբերել ենք, մեր նախագիծը այնպես, որ այն աշխատի ինչպես և սպասվում էր, մենք պատրաստ ենք զոդել մեր սխեման:

Նշում. Եթե դուք չունեք եռակցման երկաթ, կարող եք բաց թողնել այս քայլը: Այլընտրանքն այն է, որ մետաղալարերը միացնեք տաք սոսինձով (այս տարբերակը թույլ կտա ավելի ուշ ամրացնել/ավելացնել/օգտագործել իրեր, բայց ավելի հավանական է, որ դրանք կոտրվեն), կամ օգտագործել էպոքսիդ կամ նմանատիպ մշտական սոսինձ (այս տարբերակը շատ ավելի դիմացկուն կլինի բայց դուք դա անելուց հետո չեք կարողանա օգտագործել շրջանը կամ պոտենցիալ Pi- ն)

Արագ մեկնաբանություն իմ դիզայնի ընտրության վերաբերյալ (Լուսանկար 1).

• Ես ընտրեցի LED ցատկող լարերը LED- ների և Pi GPIO- ի համար, քանի որ դրանք ինձ թույլ են տալիս հեռացնել LED- ները և փոխանակել գույները կամ անհրաժեշտության դեպքում տեղափոխել դրանք: Եթե ցանկանում եք կապերը մշտական դարձնել, կարող եք դրանք բաց թողնել:
• Նմանապես, ես ընտրեցի JST միակցիչ կոճակի համար:

Շարունակելով շինարարությունը:

1. Կտրող կանանցից յուրաքանչյուրի լարերը կիսով չափ կիսեք (այո, բոլորը): Օգտագործելով մետաղալարեր, հեռացրեք մետաղալարերի մեկուսացման մոտ 1/4 դյույմ (1/2 սմ):

2. LED- ներից յուրաքանչյուրի համար 220Ω դիմադրություն կպցրեք բացասական (ավելի կարճ) ոտքին: (Լուսանկար 2)

3. Կտրեք մի փոքր կտոր, մոտավորապես 1 դյույմ (2 սմ) ջերմության նվազեցման խողովակ և մղեք LED- ի և դիմադրության հանգույցի վրայով: Համոզվեք, որ դիմադրիչի մյուս ոտքը հասանելի է, այնուհետև տաքացրեք կծկվող խողովակը մինչև ամրացնել ամրացումը: (Լուսանկար 3)

4. Տեղադրեք յուրաքանչյուր LED մի զույգ կին jumper լարերի մեջ: (Լուսանկար 4)

5. Պիտակավորեք ցատկող լարերը (օրինակ ՝ ժապավենով), այնուհետև ցատկող լարերը կպցրեք տպագիր տպատախտակին (PCB): (Լուսանկար 5)

6. Հաջորդը, օգտագործեք (կտրված) իգական ցատկման մետաղալար `յուրաքանչյուր LED- ն համապատասխան Pi GPIO կապին միացնելու համար: Erոդեք և պիտակավորեք jumper մետաղալարը այնպես, որ մերկ մետաղը PCB- ի միջոցով միանա դրական LED ոտքին: (Լուսանկար 5)

Նշում. Այն, որտեղ դուք կպցրեք այս մետաղալարը, կախված կլինի ձեր PCB- ի դասավորությունից: Կարող եք նաև այս մետաղալարերը ուղղակիորեն զոդել դրական LED թռիչքի մետաղալարով:

7. Ωոդեք 220Ω ռեզիստոր JST միակցիչի բացասական (սև) ծայրին: (Լուսանկար 6)

8. STոդեք JST միակցիչն ու դիմադրությունը սեղմման կոճակին: (Լուսանկար 6)

9. Միացրեք M-to-F jumper լարերը սեղմիչ կոճակի միակցիչի և GPIO կապերի միջև (հիշեցում. Սևը GND է):

10. Վերարկու միացումներ PCB- ն տաք սոսինձով կամ էպոքսիդով `ավելի ապահով միացման համար:

Նշում. Եթե ընտրեք օգտագործել էպոքսիդ, հնարավոր է, որ ապագայում չկարողանաք օգտագործել Pi- ի GPIO կապումներն այլ նախագծերի համար: Եթե ձեզ դա մտահոգում է, ավելացրեք GPIO ժապավենի մալուխ և դրա փոխարեն միացրեք ցատկող լարերը:

Քայլ 7 ((ըստ ցանկության) Կառուցեք ՝ գործ):

Ստեղծեք պատյան ձեր Pi- ի համար, որը կպահի տեսախցիկը, կոճակը և LED- ները ՝ միաժամանակ պաշտպանելով Pi- ն: Նախագծեք ձեր սեփական պարիսպը կամ հետևեք ստորև բերված մեր հրահանգներին `ստվարաթղթե պատյանների արագ նախատիպավորման համար:

1. Փոքր ստվարաթղթե տուփի վերևում նշեք կոճակի, կարգավիճակի լույսի, նույնացուցիչի լույսերի և pi տեսախցիկի պատուհանի տեղերը (լուսանկար 1):

   Նշում. Pi տեսախցիկի պատուհանը պետք է լինի մոտ 3/4 "x 1/2":

2. Օգտագործելով ձեր ճշգրիտ դանակը, կտրեք հետքերը:

   Նշում. Գուցե ցանկանաք չափել չափման ընթացքում (լուսանկար 1)

3. Լրացուցիչ. Ներկիր պատյանը: Ես նախընտրեցի լակի ներկը:)
4. Կտրեք Pi Camera- ի ուղղանկյուն «պատուհանի» ծածկը (լուսանկար 4) և սոսնձեք տուփի ներսում

5. Վերջապես, կտրեք Pi հոսանքի մալուխի անցքը:

   Առաջարկվում է առաջին հերթին տեղադրել բոլոր էլեկտրոնիկան ՝ pi հոսանքի մալուխի անցքի լավագույն տեղը գտնելու համար:

Քայլ 8: Տեղադրեք և տեղակայեք:

Վերջ! Դուք պատրաստ եք տեղադրել և տեղակայել ձեր նախագիծը: Տեղադրեք պարիսպը ձեր աղբարկղերի վերևում, միացրեք Pi- ն և գործարկեք ծրագիրը `մեր թափոնները նվազեցնելու ավելի արագ, ավելի հուսալի եղանակ ստանալու համար: Այո

Առաջ գնալ

• Կիսվեք ձեր նախագծերով և գաղափարներով այլ մարդկանց հետ Lobe Reddit համայնքի միջոցով:
• Ստուգեք Lobe Python GitHub ռեպոն ընդհանուր ակնարկի համար, թե ինչպես օգտագործել Python- ը Lobe նախագծերի ավելի լայն տեսականի տեղակայելու համար:
• Հարցեր կամ նախագծի հարցումներ: Թողեք մեկնաբանություն այս նախագծի վերաբերյալ կամ ուղղակիորեն դիմեք մեզ ՝ [email protected]