Bildebehandlingsbasert branngjenkjennings- og slukkersystem: 3 trinn

2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:21

Hei venner, dette er et bildebehandlingsbasert branndeteksjons- og slukkersystem som bruker Arduino

Trinn 1:

I utgangspunktet er systemet delt inn i to deler

1 branndeteksjon

2 brannvarsler og slukker

I den første delen oppdager brann ved hjelp av bildebehandling.

Her i dette prosjektet bruker jeg åpen CV og python for branndeteksjon. Jeg opprettet en HAAR Cascade Classifier for branndeteksjon ved hjelp av Open CV. Den har trener og detektor for å trene vår egen kaskadeklassifiseringsapparat, HAAR Cascade brukes til å oppdage gjenstander som den har blitt trent for. Mange positive og negative bildeeksempler er nødvendige for å trene klassifiserer. Opplæring av kaskadeklassifisering er kompleks og tidkrevende prosess, så for å gjøre det enkelt finner jeg en kaskadetreningsprogramvare på webnavn "cascade trainer GUI".

For opplæring av cascade classifier, last ned og installer thistrainer EXE fra lenken ovenfor. Lag en mappe med navnebrann (du kan opprette mappe med et hvilket som helst navn ettersom målobjektet mitt er brann, så jeg opprettet mappe "brann"), lag nå to mapper inne i brannmappen med navnet "n" og "p", n -mappen er for negative bildeprøver og p for positive bildeprøver. Positivt bilde inneholder objektet som vi ønsker å oppdage, i vårt tilfelle vil vi oppdage brann, så samle bildeprøver som inneholder brann og legg dem inne i p -mappen. For negative prøver samles et stort antall bilder som ikke inneholder brann, selv delvis. Følg nå trinnene på siden ovenfor for å lage din kaskadeklassifiseringsfil, eller du kan laste ned ferdiglagde kaskadeklassifiseringsprogram for branndeteksjon og kildekode fra lenken (kildekoden)

Kommer mot python, for å kjøre dette prosjektet må du installere følgende moduler og biblioteker i ditt python -oppsett.

· Klumpete

· Scipy

· Pyserial (klikk på henne for å laste ned numpy, scipy og pyserial)

Etter installasjon av alle moduler åpner du python -koden med navnebranndeteksjon, arduino.py hvis du får noen feil mens du kjører, ikke få panikk, vi har nettopp gjort første del.

Steg 2:

La oss gå mot maskinvare, her bruker jeg Arduino UNO som kontroller siden jeg må kontrollere pumpe, summer og røde lysdioder.

Komponenter som brukes:

Arduino uno:

16x2 LCD:

5 volts summer:

LED -er

5 volt relé:

BC547 transistor:

Motstander 470r, 1k, 220r, 10k forhåndsinnstilt:

Lm7805

Kondensatorer 1000uf/25volt, 470uf/16 volt:

Diode 1N4007

Webkamera (valgfritt, du kan også bruke det bærbare kameraet ditt):

Mini nedsenkbar pumpe (fra lokal butikk)

Koble til alle komponentene i henhold til kretsdiagrammet nedenfor, koble arduino til datamaskinen din ved hjelp av USB -kabel og finn ut com -porten som Arduino er koblet til, åpne nå Arduino -koden, velg com -port og korriger kortet fra verktøymemenyen til Arduino og last opp koden.

Trinn 3:

Åpne python -koden med navnebranndeteksjon, arduino.py sjekk com -porten skriv inn koden er riktig eller ikke på linje 13, hvis ikke endre den med ditt Arduino com -portnummer. Klikk på Kjør -fanen, klikk deretter Kjør modul eller trykk F5.

Hvis alle tilkoblinger er ok, vises forhåndsvisningen av kameraet på skjermen. Vis nå brann til det, brann blir oppdaget og pumpestart, samt summer starter pipelyd.

LAST NED LENKER

Kildekode:

Python -moduler:

Cascade trainer GUI:

Håper du synes dette er nyttig. hvis ja, lik den, del den, kommenter din tvil. For flere slike prosjekter, følg meg! Støtt kanalen min på YouTube.

Takk skal du ha!

facebook

youtube