MachineEye: 5 trinn

2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:20

Jeg har kombinert Texas Instrument Sensor Tag CC2650 med Raspberry Pi -kameraet for å utvikle et dashbord med fantastisk informasjon. Jeg koblet prosjektet med IBM Node Red som kommer installert på Raspberry Pi -bildet. Kameraet sender data til Microsoft Cognitive -tjenester for å returnere en beskrivelse av hva kameraet ser. Disse dataene kan åpne opp for endeløse applikasjoner. Mitt eksempel er et enkelt eksempel som viser inne værforhold og et bilde med beskrivelse av hva kameraet ser. Jeg

Trinn 1: Nødvendig maskinvare og programvare

Maskinvare

1. Raspberry Pi 3 (du kan også bruke Pi 2 eller Pi modell B)

2. Raspberry Pi -kamera

3. Sensormerket Texas Instruments CC2650

4. SD -kort

Programvare

1. Raspbian Jessie med Pixel -versjon: mars 2017

www.raspberrypi.org/downloads/raspbian/

2. Kitt - en terminal for å programmere din Pi

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

3. Tilleggsnode for Node Red

Jeg har beskrevet nodene som skal installeres på Pi i trinn 3: Konfigurer Node Red.

Steg 2:

Trinn 3: Konfigurer maskinvaren

Jeg bruker Raspberry Pi 3 og Sensor Tag CC2650 pakket med 7 sensorer. Raspberry Pi 3 har innebygd WiFi og Bluetooth, så vi trenger ikke så mange dongler. Min eneste dongle er å bruke min trådløse mus og tastatur. Du kan bruke det offisielle Raspberry Pi -nettstedet til å laste ned bildet og få Pi -en din i gang:

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

Sensor -taggen trenger bare å ha plaststrimmelen trukket, og den skal være god å gå. Du finner mer informasjon her.

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

Raspberry Pi -kameraet har også mange blogger som hjelper deg med å sette opp kameraet:

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

Dette prosjektet har Adafruit sin berøringsskjerm. Dette er valgfritt og ikke nødvendig for dette prosjektet.

Trinn 4: Oppsett Node Red

Node Red er et brukervennlig verktøy som allerede er installert på Raspberry Pi. Mer informasjon finner du her:

nodered.org/

Det viktigste trinnet her er å oppdatere din versjon på Pi:

sudo update-nodejs-and-node

Sjekk nå din versjon. Jeg bruker Putty til dette prosjektet som min terminal.

npm -v

3.10.10

node -v

6.10.0

Nå som Node Red er oppdatert, skal vi legge til noen noder for å koble til Raspberry Pi -kameraet og Sensor -taggen. Alle nodene bør installeres under denne katalogen:

~/.node-rød

La oss komme i gang !

npm installer node-red-contrib-camerapi

npm installer node-red-node-dweetio

npm installer node-red-contrib-freeboard

npm installer node-red-contrib-cognitive-services

npm installer node-red-node-sensortag

npm installer node-red-node-dropbox

Dette vil ta litt tid, og hvis du mottar advarsler som burde være greit. Jeg har inkludert en injeksjonsnode for å ta bilder med bestemte intervaller. Dweetio er til for Camera Vision -noden å lese beskrivelsen eller taggene fra bildet og sende det til tekstboksen Freeboard Dash Board. Cognitive Services inkluderer Computer Vision -noden.

Du må få en gratis abonnementsnøkkel fra Microsoft for Computer Vision -noden.

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

Dropbox -noden er perfekt for dette prosjektet. Jeg brukte guiden fra Adafruit som ble funnet her:

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

Rull ned til Dropbox -oppsett. Dette burde fungere på hvilken som helst Pi, og de har gjort oppsettet mye enklere. Det vil guide deg til å sette opp en Dropbox og hvordan du skriver inn tastene du trenger for å koble til Dropbox. Dette er den beste opplæringen jeg har funnet. Men for å se bildet i dashbordet måtte jeg justere lenken for bildet. Jeg valgte å bruke et Dropbox -verktøy kalt Chooser for å få en direkte lenke til bildet lastet ned til Dropbox. Jeg beholder samme navn for-j.webp

For å se deg Node Red flow bare åpne en nettleser. Jeg liker Chrome, og dette er bare et eksempel på format:

192.168.1.1:1880

Trinn 5: Sett opp dashbordet

FreeBoard Dashboard er en fleksibel og enkel måte å visualisere dataene på en meningsfull måte. Det er satt opp to datakilder og hvert datasett med et "min-ting-navn". Jeg kobler den første dweetio -noden kalt Machine Eye til fotonoden. Dette sender kameraets nyttelast til skyen og lar oss fange informasjonen på dashbordet. Dette vil være en tekstboks.

Den andre Dweetio -noden er for sensortaggen. Denne noden er koblet til sensortaggen og sender nyttelasten til sensorene til skyen igjen og fanges igjen. på dashbordet. Dataene er i sanntid. Jeg har lagt til noen sensorruter for denne demoen.

Bildeboksen er en Bilde -rute med direkte lenke til Dropbox. Bildet og beskrivelsen bør endres hver gang et bilde aktiveres.

Bildet ovenfor er en fotografering av min keramiske katt. Jeg var litt sen med å melde meg på konkurransen, og på grunn av vårt gosh fryktelige vær på Atlanterhavskysten i Canada kunne jeg ikke ta med kameraet utenfor. Nedbør og kaldt vær vil drepe elektronikken min. Jeg trenger også vennene mine og deres beste pelsbarn for å komme på fotografering.