Del 1. ThinkBioT autonom bio-akustisk sensor Hårdvara Bygg: 13 steg

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:44

ThinkBioT syftar till att tillhandahålla en ram för programvara och hårdvara, utformad som en teknisk ryggrad för att stödja ytterligare forskning, genom att hantera uppgifter om datainsamling, förbehandling, dataöverföring och visualiseringsuppgifter som gör det möjligt för forskare att fokusera på sina respektive klassificerings- och bioakustiska metriska insamlingsföretag.

Denna prototyp är fortfarande under utveckling och som sådan skulle jag rekommendera att vänta tills alla självstudier i ThinkBioT -serien är klara.:) För aktuella nyheter, håll ett öga på ThinkBioT Github på

Steg 1: Samla komponenter

Samla komponenterna i Bill Of Materials -filen (bifogad). De elektroniska kärnkomponenterna är listade med sina respektive märkesnamn och är inte utbytbara. Resten inklusive fodralet kan ersättas med de generiska ekvivalenterna.

Steg 2: Samla in nödvändiga verktyg

För att göra denna prototyp, se till att du har åtminstone följande verktyg;

• Power Drill med 24 mm hålsåg och stor plastbitsats
• #1 Phillips skruvmejsel
• Sidoskär (eller vass sax)
• Liten tång (nålnos eller standard)
• Säkerhetsglasögon

Observera: Tången är valfri och krävs endast för användare som tycker att de små komponenterna är svåra att hantera

Steg 3: Förbered hölje

Bär skyddsglasögon, borra hål för kontakterna i höljet.

Du behöver 3 hål

1. USB vattentät panelmonterad kontakt - använd hålsåg eller stegborr.
2. Mikrofonhölje - använd en stor borr
3. SMA-genomgångskontakt (M-M)

Om du använder Evolution 3525 -fodralet rekommenderar vi att du borrar in den platta panelen på motsatta sidan av höljet. Men det beror verkligen på hur du tänker montera enheten, se bara till att kontakter sitter under enheten för att skydda mot direkt regn.

När du har borrat kan du sätta in mikrofonen i fästet och ansluta SMA -patchkabeln och USB -patchkabeln (levereras med Voltaic V44).

Steg 4: Installera Stretch på Raspberry Pi 3

Innan den monteras i prototypen måste Raspberry Pi 3 konfigureras och ha ett operativsystem installerat. I Raspberry Pi -enkortsdatorer lagras operativsystemet på ett flyttbart SD -kort.

Jag använde en Samsung Micro SD EVO+ 128 GB.

För att installera Stretch på ditt SD -kort;

1. Ladda ner Raspbian Stretch från Raspbian Stretch. Observera: ThinkBioT använder Stretch eftersom Coral Edgetpu -modellerna för närvarande bara testas upp till version 1.13.0 av TensorFlow, som inte testades på Debian Buster.
2. Se till att ditt SD -kort är formaterat som Fat32 enligt denna guide.
3. Följ en av självstudierna nedan (beroende på din operativsystemtyp) för att skriva Stretch -bilden till ditt SD -kort. Windows, Mac OS eller Linux
4. Anslut eventuellt din hallon -HMDI -port till en skärm vid denna tidpunkt.
5. Sätt in ditt SD -kort i facket på hallon Pi och anslut det till strömmen. Inledningsvis rekommenderar vi att du använder en officiell hallon -PSU för att säkerställa att det inte uppstår varningar under ström under programinstallationen.

Observera: Jag har valt den fullständiga versionen av Stretch) i motsats till "Lite" -versionen eftersom den första trådlösa anslutningen är lättare att konfigurera med ett grafiskt gränssnitt. Tilläggsfunktionerna inaktiveras av ThinkBiot -skript när enheten är i fältläge, så GUI kommer inte att kräva större energikostnader i fältet.

Steg 5: Anslut till ditt lokala WIFI -nätverk via SSH

För att konfigurera prototypen måste du kunna ansluta till Raspberry Pi för att utbyta kommandon och visa konfigurationsdata. Inledningsvis kan det vara lättare att använda det grafiska skrivbordsgränssnittet tills du får din SSH ansluten. Vi rekommenderar att du efter den första installationen ansluter via en SSH-terminal direkt till kommandoraden, som beskrivs i slutet av självstudien.

1. Följ handledningen här för att ansluta till vår Raspberry Pi
2. Det rekommenderas också att installera Winscp om du är en wndows -användare, eftersom det är mycket

Anmärkningar: Beroende på tillförlitligheten för din Wifi har vi funnit det nödvändigt att ansluta via våra mobiltelefons hotspots. Genom att ställa in detta kan du också kommunicera med din enhet i fältet där det inte finns någon extern WiFi. Men du måste vara försiktig så att du inte överskrider dina datagränser!

Steg 6: Installera Witty Pi 2

Det kvicka Pi -kortet används för att behålla systemtid när din Raspberry Pi är påslagen och för att slå på och av den under ThinkBioT -driftscykeln.

1. Öppna först en terminal via din SSH -anslutning eller lokalt på skrivbordet, för information om hur du öppnar och använder terminalsessionen vänligen klicka här.
2. Följ upplägget i den kvicka Pi -dokumentationen.
3. Obs: när du frågar "Ta bort paket med falskt hwclock och inaktivera ntpd-demon? (Rekommenderas) [y/n]" svara y. På frågan "Vill du installera Qt 5 för att GUI körs? [Y/n]" svarar n
4. När firmware har installerats tar du bort Raspberry Pi från strömkällan och monterar kortet på Raspberry Pi utan att använda skruvarna än.
5. Anslut Raspberry Pi -backen till strömmen och använd instruktionerna i Wittty Pi -dokumentationen för att synkronisera tiden och stäng av Raspberry Pi. För att stänga av och starta kan du helt enkelt trycka på den kvicka Pi -knappen från och med nu.

Steg 7: Montera systemkomponenter i internt supportfodral

Jag använde ett billigt Raspberry Pi -fodral i akryl för att montera våra kärnsystemkomponenter, du är välkommen att ändra ordning och monteringsstil. Jag använde 2,5M monteringsstolpar mellan varje lager för att möjliggöra luftflöde och använde de inre hålen för att montera komponenterna.

1. Montering av hallon Pi (och bifogad Witty Pi): Använd skruvarna och fästena som medföljer Witty Pi för att fästa den på en av basplattorna
2. Montering av Google Coral: Med hjälp av de 2 x självhäftande fästelementen fästs Coral på bottenplattan via kabelband enligt bilderna ovan
3. Montering av RockBlock: Använd försiktigt en monteringsstolpe i kretskortets monteringshål och ett hål i bottenplattan, lägg sedan till ett självhäftande fästband under enheten och ett buntband för att stoppa enheten att röra sig. Dra INTE åt buntbandet för mycket eftersom du kan skada Rockblock. Se till att du väljer en monteringsstolpe med en liknande höjd som Rockblock som ligger på buntfästet.
4. Vi rekommenderar att du kopplar in RockBlock -kabeln vid det här laget eftersom det kan vara besvärligt när enheten väl sätts ihop.
5. Trimma eventuellt överflödigt bandlängd med dina sidoskär medan du bär dina skyddsglasögon.
6. Anslut de enskilda fodralen med monteringsstolpar, du kan behöva en tång vid denna tidpunkt beroende på dina händer.
7. Applicera självhäftande krok på basnivån i det nu kompletta komponenthuset.
8. Anslut INTE RockBlock och Google Coral just nu.

Steg 8: Installera TensorFlow Lite

1. Öppna ett nytt terminalfönster, antingen på Raspberry Pi Desktop eller via SSH -anslutning och ange följande kommandon rad för rad för att säkerställa att din Stretch -installation är uppdaterad. Den första raden samlar in uppdateringarna, den andra raden installerar uppdateringarna och den tredje startar om hallon Pi för att starta om med de nya filerna.

sudo apt-get updatesudo apt-get upgrade sudo reboot

2. För att installera TensorFlow Lite 1.13.0 anger du följande kommandon rad för rad. Det som händer i detta kodavsnitt är att kraven för TensorFlow Lite installeras, sedan avinstalleras alla tidigare versioner om de finns (för att undvika konflikter) och en förkompilerad binär av TensorFlow Lite laddas ner från mitt förråd och installeras.

OBS: Eftersom några av dessa är ganska stora filer kan det ta lite tid att installera och kräver en stabil internetanslutning och bra strömförsörjning. Jag upptäckte att min australiensiska bredbandsanslutning orsakade att processen kastade fel så jag måste använda en 4G -anslutning via min mobila hotspot som fungerade perfekt.

sudo apt-get install -y libhdf5-dev libc-ares-dev libeigen3-devsudo pip3 install keras_applications == 1.0.7 --no-deps sudo pip3 install keras_preprocessing == 1.0.9 --no-deps sudo pip3 install h5py = = 2.9.0 sudo apt-get install -y openmpi-bin libopenmpi-dev sudo apt-get install -y libatlas-base-dev pip3 install -U --user sexhjulsmock sudo pip3 avinstallera tensorflow wget https:// github. com/mefitzgerald/Tensorflow-bin/raw/master/tensorflow-1.13.1-cp35-cp35m-linux_armv7l.whl sudo pip3 installera tensorflow-1.13.1-cp35-cp35m-linux_armv7l.whl

3. Testa din installation med följande skript nedan. Skriv helt enkelt python3 (i terminalen) för att starta en python -prompt (indikeras med >>>). Sedan importerar du TensorFlow (så att du kan använda dess metoder) och använder versionsmetoden där den returnerar versionsnumret om installationen lyckades, sedan använder du exit () för att stänga python -prompten.

python3

>> importera tensorflow >>> tensorflow._ version_ 1.13.0 >>> exit ()

Steg 9: Installera Google Coral Edge TPU

Googles korall kommer att användas för slutsatser under klassificeringsuppgifterna och måste konfigureras med sin egen firmware. I likhet med Tensorflow -inställningen kräver detta en stabil nedladdningsmiljö, så replikera din nätverksanslutning från föregående steg.

1. Anslut inte Google Coral -usb ännu, öppna en terminal (antingen lokalt på hallon Pi -skrivbordet eller via SSH).
2. Följ handledningen på https://coral.withgoogle.com/docs/accelerator/get-started/#set-up-on-linux-or-raspberry-pi för att installera och testa Google Corals firmware.

Steg 10: Installera ThinkBioT

1. Öppna ett terminalfönster antingen lokalt på ditt Raspberry Pi -skrivbord eller via SSH.

2. Ange följande kodrad för att ladda ner ThinkBioT -installationsskriptet.

sudo wget -O installThinkBioT.sh https://github.com/mefitzgerald/ThinkBioT/raw/master/installThinkBioT.sh"

3. Ange nu koden nedan för att påbörja installationen.

sudo sh installThinkBioT.sh

4. När installationen är klar, ange följande för att säkert starta om din Raspberry Pi

sudo starta om

5. När du nu loggar in på hallon Pi bör du ha en ny fil i din hemmeny, som är din databas som heter tbt_database och två nya kataloger, ThinkBioT -katalogen som innehåller alla ThinkBioT -skript och pyrockblock -katalogen som innehåller rockblock -biblioteket.

Steg 11: Komplett konstruktion

Nu är vi i hårdvarufärdigställningsfasen, den faktiska fysiska layouten för din enhet är beroende av ditt hölje, men ett enkelt sätt att slutföra projektet är nedan;

1. Med hjälp av självhäftande krok och ögla täcker du powerbanken och basen till ditt hallon pi -hölje. För att säkerställa att det stämde upp fann jag att det var bäst att passa både kroken och öglan på ytan (så att ett limskikt fästs på batteriet till exempel och krok- och slinglagren pressas mot varandra med det sista limskiktet bar) tryck hela partiet på den inre fodralytan.
2. Nu ska du ha både fodralet med hallon pi, RockBlock och Google Coral och powerbanken ansluten inuti ditt ThinkBioT -hölje. Klipp nu helt enkelt krok och ögla och upprepa åtgärden för SoundBlaster Play 3 !.
3. Städa upp kablar, jag har använt extra självhäftande kabelfästen så att jag kan bunta ihop kablarna snyggt med buntband.
4. Anslut inte batteriet till det kvicka Pi -uttaget.
5. Anslut försiktigt SMA -kabeln till SMA -kontakten på stenblocken.
6. Anslut primomikrofonen till SoundBlaster Play 3!
7. Du kan också ansluta Rockblock till hallon Pi, men det är lättare att hålla den urkopplad tills du är bekant med hur systemet fungerar.

Steg 12: Vattentät din bioakustiska sensor

Beroende på var du tänker använda din enhet kan du behöva vattentätning.

Jag har brukat sugru för att täta runt portarna i höljet och kontakten på solpanelen som på bilden, men du kan hitta kisel eller marin kvalitet tätningsmedel/kisel fungerar lika bra. Jag väljer formbart kisellim eftersom jag inte ville att någon skulle komma in i lederna och eventuellt orsaka öppna kretsar.

Steg 13: Använd din bioakustiska sensor

Nu har du slutfört din hårdvara, bygg programvaran och användningen omfattas av följande självstudier;

Del 2. Tensorflow Lite Edge -modeller för ThinkBioT

www.instructables.com/id/ThinkBioT-Model-With-Google-AutoML/

Del 3. Använda ThinkBioT

tbc