Intellektuell flaske papirkurv: 6 trinn

2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:22

Jeg opprettet denne papirkurven sammen med Yeting Bao og Yuni Xie. Takk for din hengivenhet til dette prosjektet:).

Bruk et brukervennlig maskinlæringsverktøy til å lage en intellektuell søppelbøtte for flaske for resirkuleringsavdelingen i nærheten av deg: Når du har tappet en flaske i den spesielle beholderen, viser skjermen ved siden av materialet.

Rekvisita

Det vi trenger er en eske for flasker du vil resirkulere, en fotonkrets med en mikrofon, en PC med tilkobling til Internett og en knapp (som vi bruker en iPad).

Trinn 1: Ta en titt på hvordan det fungerer

Trinn 2: Lag en boks

Her bruker vi fire akrylplater og ett trebord for å danne esken. Du kan bruke hvilket som helst materiale du vil, men sørg for at de er sterke nok til å støtte tusenvis av ganger med å slippe flaskene, og selvfølgelig må det lage lyder.

Trinn 3: Tren din akustiske maskinlæringsmodell

Her bruker vi papirkurven vår til å simulere å kaste forskjellige typer flasker i en søppelbøtte. Ved å bruke nettstedet som kan læres, registrerer vi forskjellige typer slipplyder og trekker ut lydprøver. Og deretter bruke togmodellen til å trene datamaskinen til å gjenkjenne disse forskjellige lydtypene. Ikke glem å eksportere modellen slik at den kan brukes på nettstedet ditt.

I denne prosessen samlet vi slipplyd fra fire typer flasker (plastflaske, bokser, papirboks, glass) som ofte brukes i dagliglivet.

Trinn 4: Bygg din fotonekrets

Bruk en mikrofon og en høyttaler til å koble til fotonekretsen, se bildet ovenfor. Ikke glem å koble den til strøm.

Feilsøk tid

Hvis du bruker en annen versjon av foton eller Arduino -krets, kan du kanskje bruke maskinlæringsbiblioteket "TensorFlowLite" til Photon. Imidlertid har vår versjon av foton ikke en slik funksjon. I stedet bruker vi maskinlæringsverktøyets javascript -bibliotek.

I mellomtiden kan ikke vår versjon av foton sende lyd til datamaskinen og analysere den i sanntid. Derfor bruker vi npm -pakken "Speaker" til å spille av lyd og analysere den i nettleseren.

Hvis du har en annen versjon av foton eller Arduino, kan du prøve noen enklere måter å sende lyden til datamaskinen eller bruke maskinlæringsbibliotek på kretsen din.

Trinn 5: Server koden din på datamaskinen

Bruk Node.js til å vise koden for å motta lyd og spille av automatisk. Du kan

Du finner den i Github.

Her er hovedkoden som vi brukte i dette trinnet.

… // Lagre wav -filen lokalt og spill den når overføringen er fullført

socket.on ('data', funksjon (data) {// Vi mottok data om denne forbindelsen. writer.write (data, 'hex');});

socket.on ('end', function () {console.log ('overføring fullført, lagret til' + outPath); writer.end (); var file = fs.createReadStream (outPath); var reader = new wav. Reader (); // "format" -hendelsen blir sendt ut på slutten av WAVE header reader.on ('format', funksjon () {// WAVE header fjernes fra utgangen til leseren reader.pipe (ny høyttaler (wavOpts));}); // rør WAVE -filen til Reader -forekomstfilen.pipe (leseren);}); }). lytte (dataPort); …

Trinn 6: Utvikle visualiseringen

Bruk javascript til å sende AJAX -forespørsel til partikkel og kontrollere funksjonen "åpen". Når "åpen" -funksjonen kalles og verdien er satt til "1", vil mikrofonen på fotonet slås på og ta opp i 3 sekunder. Lydopptaket blir sendt til datamaskinen og spilles av automatisk.

Når datamaskinen har mottatt lyd, vil gjenkjenningen vises på siden.