MachineEye: 5 kroků

2024 Autor: John Day | [email protected]. Naposledy změněno: 2024-01-30 08:18

Zkombinoval jsem Texas Instrument Sensor Tag CC2650 s kamerou Raspberry Pi, abych vytvořil palubní desku s několika úžasnými informacemi. Projekt jsem zapojil pomocí IBM Node Red, který je nainstalován na obrazu Raspberry Pi. Kamera odesílá data do služeb Microsoft Cognitive, aby vrátila popis toho, co kamera vidí. Tato data se mohou otevřít nekonečným aplikacím. Můj příklad je jednoduchý, který ukazuje počasí a obrázek s popisem toho, co kamera vidí. Já

Krok 1: Je vyžadován hardware a software

Hardware

1. Raspberry Pi 3 (můžete také použít Pi 2 nebo Pi model B)

2. Kamera Raspberry Pi

3. Štítek senzoru Texas Instruments CC2650

4. SD karta

Software

1. Raspbian Jessie s verzí Pixel: březen 2017

www.raspberrypi.org/downloads/raspbian/

2. Putty - terminál pro programování vašeho Pi

www.chiark.greenend.org.uk/~sgtatham/putty/

3. Další uzel pro Node Red

Podrobně jsem uzly, které mají být nainstalovány na Pi, popsal v kroku 3: Nastavení Node Red.

Krok 2:

Krok 3: Nastavení hardwaru

Používám Raspberry Pi 3 a Sensor Tag CC2650 nabitý 7 senzory. Raspberry Pi 3 má integrované WiFi a Bluetooth, takže nepotřebujeme tolik hardwarových klíčů. Můj jediný hardwarový klíč je používat bezdrátovou myš a klávesnici. Ke stažení obrázku a spuštění Pi můžete použít oficiální webovou stránku Raspberry Pi:

www.raspberrypi.org/products/raspberry-pi-3-model-b/

Na štítku senzoru stačí mít natažený plastový proužek a mělo by být dobré jít. Více informací se dozvíte zde.

www.ti.com/ww/en/wireless_connectivity/sensortag/tearDown.html

Kamera Raspberry Pi má také mnoho blogů, které vám pomohou s nastavením kamery:

www.raspberrypi.org/products/camera-module/

Tento projekt má dotykovou obrazovku Adafruit. Toto je volitelné a není pro tento projekt vyžadováno.

Krok 4: Nastavení uzlu červené

Node Red je snadno použitelný nástroj, který je již nainstalován na Raspberry Pi. Více informací naleznete zde:

nodered.org/

Nejdůležitějším krokem zde je aktualizace vaší verze na Pi:

sudo update-nodejs-and-node

Nyní zkontrolujte svou verzi. Jako svůj terminál pro tento projekt používám Putty.

npm -v

3.10.10

uzel -v

6.10.0

Nyní je váš Node Red aktualizován, přidáme několik uzlů pro připojení k naší značce kamery a senzoru Raspberry Pi. Všechny uzly by měly být nainstalovány v tomto adresáři:

~/.node-red

Začněme !

npm install node-red-contrib-camerapi

npm install node-red-node-dweetio

npm install node-red-contrib-freeboard

npm install node-red-contrib-cognitive-services

npm install node-red-node-sensortag

npm install node-red-node-dropbox

Bude to nějakou dobu trvat a pokud dostanete varování, mělo by to být v pořádku. Zahrnul jsem injekční uzel pro fotografování v definovaných intervalech. Dweetio je pro uzel Camera Vision, aby přečetl popis nebo značky z obrázku a odeslal je do textového pole Freeboard Dash Board. Cognitive Services zahrnuje uzel Computer Vision.

Pro uzel Computer Vision musíte získat bezplatný klíč předplatného od společnosti Microsoft.

www.microsoft.com/cognitive-services/en-US/subscriptions?mode=NewTrials

Uzel Dropbox je pro tento projekt ideální. Použil jsem průvodce od Adafruit, který najdete zde:

learn.adafruit.com/diy-wifi-raspberry-pi-touch-cam?view=all

Přejděte dolů na Nastavení Dropboxu. To by mělo fungovat na jakémkoli Pi a nastavení je mnohem jednodušší. Provede vás nastavením Dropboxu a zadáním klíčů, které potřebujete k připojení k Dropboxu. Toto je nejlepší návod, který jsem našel. Ale abych viděl obrázek na Dashboardu, musel jsem vyladit odkaz na obrázek. Pro získání přímého odkazu na obrázek stažený do Dropboxu jsem se rozhodl použít nástroj Dropbox s názvem Chooser. Ponechám stejný název obrázku-j.webp

Chcete -li si vás zobrazit Node Red flow, stačí otevřít prohlížeč. Chrome se mi líbí a toto je jen příklad formátu:

192.168.1.1:1880

Krok 5: Nastavte DashBoard

Panel FreeBoard je flexibilní a snadný způsob, jak data smysluplně vizualizovat. Jsou nastaveny dva zdroje dat a každý soubor dat má „jméno-mé věci“. K uzlu fotografie připojuji první uzel dweetio s názvem Machine Eye. To odešle užitečné zatížení kamery do cloudu a umožní nám zachytit informace na palubní desce. Toto bude textové pole.

Druhý uzel Dweetio je pro značku senzoru. Tento uzel je připojen k tagu senzoru a znovu odešle užitečné zatížení senzorů do cloudu a znovu bude zachycen. na palubní desce. Data jsou v reálném čase. Pro toto demo jsem přidal několik tabulí senzorů.

Rámeček obrázku je podokno obrázku s přímým odkazem na Dropbox. Obrázek a popis by se měl změnit při každé aktivaci obrázku.

Výše uvedený obrázek je zachycením mé keramické kočky. Přihlásil jsem se do soutěže trochu pozdě a vzhledem k našemu bohému hroznému počasí na atlantickém pobřeží Kanady nemohl dostat kameru ven. Srážky a chladné počasí zabijí moji elektroniku. Také potřebuji, aby na focení přišli moji přátelé a jejich nejlepší kožešinová miminka.