Բովանդակություն:
- Քայլ 1: Lixo, Um Problema Mundial
- Քայլ 2: Por Que Separar O Lixo?
- Քայլ 3. Որակյալ լուծում
- Քայլ 4. Որակի՞ց եք օգտվում տեխնիկայից:
- Քայլ 5: Algoritmos E Códigos
- Քայլ 6. Imagens Do Protótipo Em Construção: (Տարբերակներ 1.0 E 2.0)
- Քայլ 7: Autores Do Projeto
Video: Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 քայլ
2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:46
A nossa lixeira inteligente constea na separação automática do lixo. Através de uma վեբ -տեսախցիկ, ela identifica o tipo de lixo e o depositita no compartimento επαρκή համար posteriormente ser reciclado.
Քայլ 1: Lixo, Um Problema Mundial
Um dos principais problemas encontrado no meio urbano- ն, հատկապես անհրաժեշտ է, որ մենք մեծ ազդեցություն ունենանք մեր կյանքի վրա, ինչը կարող է հանգեցնել առողջության:
Para ter uma noção mais ampla do problema tomemos a cidade de São Paulo como exemplo, em média cada pessoa produz diariamente entre 800 ga 1 kg de lixo diário, կամ 4 a 6 litros de dejetos, por dia são gerados 15.000 tonladas de lixo, isso համապատասխանում է 3.750 caminhões carregados diariamente. Em um ano esses essen caminhões enfileirados cobririam o trajeto entre a cidade de São Paulo e Nova Iorque, ida e volta.
Քայլ 2: Por Que Separar O Lixo?
Com a separação dos lixos fica mais fácil e rápida a reciclagem do material. A reciclagem reduz konsideravelmente os casos de doenças e mortes devido encs enchentes e acúmulo de lixo em locais urbanos, diminui impactos sobre o mear ambiente e ajuda.
Քայլ 3. Որակյալ լուծում
Nossa solução é uma Lixeira feita com materiais também recicláveis que analisa o tipo de lixo eo descarta no compartimento correto. O reconhecimento é através de uma câmera que utiliza um banco de dados de imagens eormendomo automotaginomizomia ավտոմատացման համակարգերի օգտագործումը: capas de aprender e reconhecer o material do objeto descartado (papel, metal, plástico, vidro ou outros). Apos a detecção e classificação do objeto, um sinal é enviado para um motor que que move uma esteira, posiciona no local բավարարում կամ դուրս շարժիչ acionado para fazer o despejo.
Քայլ 4. Որակի՞ց եք օգտվում տեխնիկայից:
Softwareրագրային ապահովում:
- OpenCV
- Հաար կասկադի դասակարգիչ
- Պիթոն
- MRAA
- Linux (Debian)
Սարքավորումներ:
- Dragonboard 410c
- 96board միջնահարկ
- Մոթորս DC
- Վարորդ Motor Ponte H L298N
- Fonte ATX 230W
- Վեբ - տեսախցիկ
Քայլ 5: Algoritmos E Códigos
Մաս 1 - OpenCV, վիճակագրություն
Ինչպես վերականգնել համակարգը 5 տեղեկություններ նյութերի նկարագրության մասին Քայլ 3 Դեմոկրատիա, որը կարող է որոշվել, երբ մենք որոշում ենք կայացնում մեր կյանքի և մերձեցման պլանավորման մերձավոր ապացույցները: Essa detecção ocorreu nos seguintes passos:
1 - Treinamento: Foram utilizadas 20 պատկերներ divididas entre garrafas e latas
2 - հայտնաբերում.
2.1 - Փոխարկիչ պատկեր ՝ o espaço de cor HSV- ի համար: Aumentar 'V' por um fator de 2 com o objetivo de ter features to mais visíveis.
2.2 - Encontrar gradiente de Sobel nos eixos x e y.
2.3 - Հաշվարկել մի մեծության com iguais pesos em ambas as direções:
2.4 - Aplicar o método de Otsu na imagem deteada pela câmera..
2.5 - Կիրառման փակումը մեր պատկերների հայտնաբերման համար:
2.6 - Canny դետեկտորի կիրառումը
2.7 - Calcula a transformada de linha de Hough
2.8 - Enquadrar bordas do objeto num retângulo:
2.9 - Checar proporção largura x altura para comparação com o banco de dados: No banco estão armazenados diversos modelos positivos e negativos.
3.
3.1 - Devido a tensão de saída da DragonBoard ser de apenas 1.8V ոչ մի թվային թվով և os վարորդների համար, որոնք պահանջում են 5 V հզորություն, օգտագործելով 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.
Տես. É
4 - Armazenamento de dados:
Todas as informações deteadas são enviadas para uma instância da AWS IoT onde os dados podem ser acessados pelas pessoas իրավասու է եւ անհրաժեշտ կարիքներ: Essas dados são trocados utilizando o protocolo MQTT onde é í
Քայլ 6. Imagens Do Protótipo Em Construção: (Տարբերակներ 1.0 E 2.0)
Քայլ 7: Autores Do Projeto
Da esquerda pra direita:- David Carvalho- Lucas Azevedo- Rodrigo Alves- Larissa Lages- Manoela Vieira- Bianca Lisle- Andréa DuqueAgradecimentos: Angelo Brito, Thiago Pinheiro, Heitor Araújo e à todos que nos ajudaram diretamente e indire
Խորհուրդ ենք տալիս:
QR կոդերի սկաներ Python- ում OpenCV- ի միջոցով. 7 քայլ
QR կոդերի սկաներ Python- ում OpenCV- ի օգտագործմամբ. Today'sամանակակից աշխարհում մենք տեսնում ենք, որ QR ծածկագիրը և շտրիխ կոդը օգտագործվում են գրեթե ամենուր, որտեղից ապրանքների փաթեթավորումից մինչև Առցանց վճարումներ, իսկ օրերս մենք տեսնում ենք QR կոդեր նույնիսկ ռեստորանում `ճաշացանկը տեսնելու համար: Այսպիսով, ոչ կասկածում եմ, որ հիմա դա ամենակարևորն է: Բայց երբևէ սիրե՞լ ես
Իրական ժամանակում Ռուբիկի խորանարդի փակ աչքերով լուծիչ ՝ օգտագործելով Raspberry Pi և OpenCV. 4 քայլ
Իրական ժամանակի Ռուբիկի խորանարդի փակ աչքերով լուծիչ ՝ օգտագործելով Raspberry Pi և OpenCV. Սա Ռուբիկի խորանարդի գործիքի 2-րդ տարբերակն է, որը պատրաստվել է աչքերը փակ աչքերով լուծելու համար: 1 -ին տարբերակը մշակվել է javascript- ով, կարող եք տեսնել RubiksCubeBlindfolded1 նախագիծը: Ի տարբերություն նախորդի, այս տարբերակը օգտագործում է OpenCV գրադարանը ՝ գույներն ու էլ
Vision 4all - Sistema Visão Assistida Para Deficientes Visuais Usando OpenCV, Dragonboard 410c E Aplicativo Android: 6 քայլ
Vision 4all - Sistema Visão Assistida Para Deficientes Visuais Usando OpenCV- ի, Dragonboard 410c E հավելվածի Android ՝ DESCRI Ç Ã OO intuito do projeto é dar autonomia para deficientes visuais se locomoverem em ambientes փակ como casas ou առեւտրի կենտրոնների եւ aeroportos.A locomo ç ã o em ambientes j á mapeados pode ou n ã o s
Պատկերի մշակում Raspberry Pi- ով. OpenCV- ի և պատկերի գույնի տարանջատման տեղադրում. 4 քայլ
Պատկերի մշակում Raspberry Pi- ի միջոցով. OpenCV- ի և պատկերի գույնի տարանջատման տեղադրում. Այս գրառումը առաջինն է պատկերի մշակման մի քանի ձեռնարկներից, որոնք պետք է հետևեն: Մենք ավելի սերտորեն նայում ենք պատկերը կազմող պիքսելներին, սովորում ենք, թե ինչպես տեղադրել OpenCV- ն Raspberry Pi- ի վրա, ինչպես նաև գրում ենք թեստային սցենարներ ՝ նկարը պատկերելու և
Օբյեկտի հայտնաբերում W/ Dragonboard 410c կամ 820c OpenCV- ի և Tensorflow- ի միջոցով. 4 քայլ
Օբյեկտի հայտնաբերում W/ Dragonboard 410c կամ 820c OpenCV- ի և Tensorflow- ի միջոցով. Այս հրահանգները նկարագրում են, թե ինչպես տեղադրել OpenCV, Tensorflow և մեքենայական ուսուցման շրջանակներ Python 3.5 – ի համար ՝ օբյեկտների հայտնաբերման ծրագիրը գործարկելու համար: