Bildbehandlingsbaserat system för brandigenkänning och släckare: 3 steg

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:38

Hej vänner detta är ett bildbehandlingsbaserat branddetekterings- och släckningssystem med Arduino

Steg 1:

I grund och botten är systemet uppdelat i två delar

1 branddetektering

2 brandvarnare och släckare

I den första delen upptäcker brand med hjälp av bildbehandling.

Här i det här projektet använder jag öppet CV och python för branddetektering. Jag skapade en HAAR Cascade Classifier för branddetektering med Open CV. Den har tränare och detektor för att utbilda vår egen kaskadklassificerare, HAAR Cascade används för att upptäcka föremål som den har tränats för. Massor av positiva och negativa bildprover är nödvändiga för att träna klassificerare. Utbildning av kaskadklassificerare är komplex och tidskrävande process, så för att göra det enkelt hittar jag en kaskadträningsprogramvara på webbnamn "cascade trainer GUI".

För utbildning av kaskadklassificerare, ladda ner och installera thistrainer EXE från ovanstående länk. Skapa en mapp med namn brand (du kan skapa mapp med valfritt namn eftersom mitt målobjekt är fire, så jag skapade mapp "fire") skapa nu två mappar inuti brandmappen med namnet "n" och "p", n mapp är för negativa bildprover och p för positiva bildprover. Positiv bild innehåller objektet som vi vill upptäcka, i vårt fall vill vi upptäcka eld så samla bildproverna som innehåller eld och lägg dem inuti p -mappen. För negativa prover samla in ett stort antal bilder som inte innehåller eld ens delvis. Följ nu stegen på ovanstående sida för att skapa din kaskadklassificeringsfil, eller så kan du ladda ner färdiga kaskadklassificerare för branddetektering och källkod från länken (källkod)

Kommer mot python, för att köra detta projekt måste du installera följande moduler och bibliotek i din python -installation.

· Knasig

· Scipy

· Pyserial (klicka på henne för att ladda ner numpy, scipy och pyserial)

Efter installationen av alla moduler öppnar du python -koden med namnbranddetektering, arduino.py om du får några fel under körningen, inte bli panik, vi gjorde precis första delen.

Steg 2:

Låt oss gå mot hårdvara, här använder jag Arduino UNO som styrenhet eftersom jag behöver styra pump, summer och röda lysdioder.

Komponenter som används:

Arduino uno:

16x2 LCD:

5 volts summer:

Lysdioder

5 volt relä:

BC547 -transistor:

Motstånd 470r, 1k, 220r, 10k förinställda:

Lm7805

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

Diod 1N4007

Webbkamera (tillval, du kan också använda din bärbara kamera):

Mini nedsänkbar pump (från lokal butik)

Anslut alla komponenter enligt kretsschemat nedan, anslut arduino till din dator med USB -kabel och ta reda på com -porten som Arduino är ansluten till, öppna nu Arduino -koden, välj com -port och korrigera kortet från verktygsmenyn i Arduino och ladda upp koden.

Steg 3:

Öppna python -koden med namn branddetektering, arduino.py kontrollera com port skriva i koden är korrekt eller inte i rad 13, om inte ändra den med ditt Arduino com port nummer. Klicka på fliken Kör och klicka sedan på Kör modul eller tryck på F5.

Om alla anslutningar är ok visas kameraförhandsgranskningen på skärmen. Visa nu eld för det, brand upptäcks och pumpstart samt summer startar pipljud.

LADDA NER LÄNKAR

Källkod:

Python -moduler:

Cascade trainer GUI:

Hoppas du tycker att detta är användbart. om ja, gilla det, dela det, kommentera ditt tvivel. För fler sådana projekt, följ mig! Stöd min kanal på YouTube.

Tack!

Facebook

Youtube