MachineEye: 5 steg

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:37

Jag har kombinerat Texas Instrument Sensor Tag CC2650 med Raspberry Pi -kameran för att utveckla en instrumentpanel med fantastisk information. Jag kopplade ihop projektet med IBM Node Red som installeras på Raspberry Pi -bilden. Kameran skickar data till Microsoft Cognitive Services för att returnera en beskrivning av vad kameran ser. Dessa data kan öppna upp för oändliga applikationer. Mitt exempel är ett enkelt exempel som visar inuti väderförhållanden och en bild med beskrivning av vad kameran ser. I

Steg 1: Hårdvara och programvara krävs

Hårdvara

1. Raspberry Pi 3 (du kan också använda Pi 2 eller Pi modell B)

2. Raspberry Pi -kamera

3. Sensorinstrument för Texas Instruments CC2650

4. SD -kort

programvara

1. Raspbian Jessie med Pixel -version: mars 2017

www.raspberrypi.org/downloads/raspbian/

2. Spackel - en terminal för att programmera din Pi

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

3. Ytterligare nod för nodröd

Jag har beskrivit noderna som ska installeras på Pi i steg 3: Konfigurera Node Red.

Steg 2:

Steg 3: Konfigurera maskinvaran

Jag använder Raspberry Pi 3 och Sensor Tag CC2650 packad med 7 sensorer. Raspberry Pi 3 har WiFi och Bluetooth ombord så vi behöver inte så många donglar. Min enda dongel är att använda min trådlösa mus och tangentbord. Du kan använda den officiella Raspberry Pi -webbplatsen för att ladda ner bilden och få din Pi igång:

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

Sensormärket behöver bara dra plastremsan och det ska vara bra att gå. Mer information hittar du här.

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

Raspberry Pi -kameran har också många bloggar som hjälper dig att ställa in kameran:

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

Detta projekt har Adafruits pekskärm. Detta är valfritt och krävs inte för detta projekt.

Steg 4: Inställnod Röd

Node Red är ett lättanvänt verktyg som redan är installerat på Raspberry Pi. Mer information hittar du här:

nodered.org/

Det viktigaste steget här är att uppdatera din version på Pi:

sudo update-nodejs-and-node

Kontrollera nu din version. Jag använder Putty för detta projekt som min terminal.

npm -v

3.10.10

nod -v

6.10.0

Nu är din Node Red uppdaterad, vi kommer att lägga till några noder för att ansluta till vår Raspberry Pi -kamera och sensor -tagg. Alla noder bör installeras under den här katalogen:

~/.nod-röd

Låt oss börja !

npm installera nod-red-contrib-camerapi

npm installera nod-röd-nod-dweetio

npm installera nod-red-contrib-freeboard

npm installera nod-red-contrib-cognitive-services

npm installera nod-röd-nod-sensortag

npm installera nod-röd-nod-dropbox

Detta kommer att ta lite tid och om du får varningar bör det vara okej. Jag har inkluderat en injektionsnod för att ta bilder med definierade intervall. Dweetio är för Camera Vision -noden att läsa beskrivningen eller taggarna från bilden och skicka den till textrutan Freeboard Dash Board. Cognitive Services inkluderar noden Computer Vision.

Du måste få en gratis prenumerationsnyckel från Microsoft för datorn Vision -noden.

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

Dropbox -noden är perfekt för detta projekt. Jag använde guiden från Adafruit som finns här:

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

Rulla ner till Dropbox Setup. Detta borde fungera på alla Pi och de har gjort installationen mycket enklare. Det hjälper dig att konfigurera en Dropbox och hur du anger de nycklar du behöver för att ansluta till Dropbox. Detta är den bästa självstudien jag har hittat. Men för att se bilden i instrumentpanelen var jag tvungen att justera länken för bilden. Jag valde att använda ett Dropbox -verktyg som heter Chooser för att få en direktlänk till bilden som laddades ner till Dropbox. Jag kommer att behålla samma namn för-j.webp

För att se ditt Node Red -flöde öppnar du bara en webbläsare. Jag gillar Chrome och det här är bara ett exempel på format:

192.168.1.1:1880

Steg 5: Konfigurera instrumentpanelen

FreeBoard Dashboard är ett flexibelt och enkelt sätt att visualisera data på ett meningsfullt sätt. Det finns två datakällor och varje datauppsättning med ett "my-thing-name". Jag ansluter den första dweetio -noden som kallas Machine Eye till fotonoden. Detta skickar kamerans nyttolast till molnet och gör att vi kan fånga informationen på instrumentpanelen. Detta blir en textruta.

Den andra Dweetio -noden är för sensortaggen. Denna nod är ansluten till sensortaggen och skickar igen sensornas nyttolast till molnet och återigen fångas upp. på instrumentbrädan. Uppgifterna är i realtid. Jag har lagt till några sensorrutor för denna demo.

Bildrutan är en bildruta med direktlänken till Dropbox. Bilden och beskrivningen bör ändras varje gång en bild aktiveras.

Bilden ovan är en fotografering av min keramiska katt. Jag var lite sen med att anmäla mig till tävlingen och på grund av vårt jävla hemska väder på Atlantkusten i Kanada kunde jag inte ta med kameran utanför. Nederbörd och kallt väder kommer att döda min elektronik. Jag behöver också mina vänner och deras bästa pälsbarn att komma över till en fotografering.