Innehållsförteckning:
- Steg 1: Hårdvara: Kretsdesign
- Steg 2: Hårdvara: 3D -utskrift
- Steg 3: Hårdvara: Laserskärning
- Steg 4: Programvara: Datainsamling
- Steg 5: Programvara: Utbildning av den insamlade datamängden
- Steg 6: Programvara: förutsäga klasserna
Video: Enhetsigenkänning i realtid med EM-fotavtryck: 6 steg
2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:38
Denna enhet är avsedd att klassificera olika elektroniska enheter enligt deras EM -signaler. För olika enheter har de olika EM -signaler som avges av den. Vi har utvecklat en IoT -lösning för att identifiera elektroniska enheter med Particle Photon -kit. Vår bärbara enhet kan bäras på handleden som har en kompakt anslutning av partikelfoton med en OLED -display och kretsanslutning från partikelfoton till antennen i satsen.
Denna enhet kan integreras ytterligare för att styra de elektroniska enheterna och göra dem till "smarta enheter" med all programvara med öppen källkod, så att du kan styra den, även ändra eller förbättra den här enhetens kapacitet.
Steg 1: Hårdvara: Kretsdesign
Komponenter: (från Particle Maker kit)
Du kan köpa satsen från olika webbplatser online.
- Amazonas webbplats
- Partikelwebbplats
- Adafruit webbplats
- Partikelfotonutvecklingskort
- Motstånd x 3 - 1 megaohm
- 3-5V 0,96 "SPI Seriell 128X64 OLED LCD-skärm
- Antenn (för att få EM -avläsningar/fotavtryck)
Steg 2: Hårdvara: 3D -utskrift
- Vi designade vår armbandsur med en 3D -skrivare.
- 3D -modellen designades i Shapr3D -applikationen med iPad Pro.
- stl-filen för 3D-modellen importerades och skickades in i Qidi-programvaran eftersom vi använde X-one-2 Qidi Tech-skrivaren.
- 3D -skrivare tog ungefär 30 minuter att skriva ut modellen.
- länk till stl -filen.
Steg 3: Hårdvara: Laserskärning
- Vi designade armbandsmönstret med Adobe Illustrator.
- Den designade modellen exporterades sedan till Universal Laser -maskin där vi kapade träet till ett flexibelt armband.
- länk till svg -fil.
Steg 4: Programvara: Datainsamling
-
Genom att använda Photon publicerar 3 x 100 datavärde varje möjlig instans.
- Skriva data från Photon till data.json i nodserver.
- Analysera data från nodserver till MATLAB.
- Data som skickas till MATLAB är i form av 1 x 300.
Steg 5: Programvara: Utbildning av den insamlade datamängden
- Bitar om 1 x 300 - mata till MATLAB. (För varje enhet 27 prov samlas) 27 x 300 data samlas in.
- Tillagda funktioner i data - (5 funktioner) - medelvärde, median, standardavvikelse, skevhet, kurtosis.
- Träna data till MATLAB -klassificeringsverktygslåda
- Testar offlinedata (6 x 6) i samma verktygslåda
Steg 6: Programvara: förutsäga klasserna
Förutsägelse
Hämtar levande data med foton
Skickar rådata till nodservern. (data sparade i data.json -filen)
MATLAB -skript för att läsa data från data.json -filen och förutsäga resultatet
Sparar resultatet i result.json
Rekommenderad:
Hur man gör luftfuktighet och temperatur i realtid Data Recorder med Arduino UNO och SD-kort - DHT11 Datalogger Simulering i Proteus: 5 steg
Hur man gör luftfuktighet och temperatur i realtid Data Recorder med Arduino UNO och SD-kort | DHT11 Datalogger Simulering i Proteus: Introduktion: hej, det här är Liono Maker, här är YouTube-länk. Vi gör kreativa projekt med Arduino och arbetar med inbäddade system.Data-Logger: En datalogger (även datalogger eller dataregistrator) är en elektronisk enhet som registrerar data över tid med
MicroPython-program: Uppdatera Corona Disease (COVID-19) -data i realtid: 10 steg (med bilder)
MicroPython-program: Uppdatera Corona Disease (COVID-19) -data i realtid: Under de senaste veckorna har antalet bekräftade fall av coronavirussjukdom (COVID 19) överstigit 100 000 och världshälsoorganisationen (WHO) har deklarerat nya coronavirus -lunginflammation utbrott för att vara en global pandemi. Jag var väldigt
Live Covid19 Tracker med ESP8266 och OLED - Covid19 -instrumentpanel i realtid: 4 steg
Live Covid19 Tracker med ESP8266 och OLED | Covid19 -instrumentpanel i realtid: Besök Techtronic Harsh -webbplatsen: http: //techtronicharsh.com Överallt finns ett stort utbrott av det nya Corona -viruset (COVID19). Det blev nödvändigt att hålla koll på det aktuella scenariot med COVID-19 i världen, så att vara hemma var detta
Realtid MPU-6050/A0 dataloggning med Arduino och Android: 7 steg (med bilder)
Realtid MPU-6050/A0 dataloggning med Arduino och Android: Jag har varit intresserad av att använda Arduino för maskininlärning. Som ett första steg vill jag bygga en realtid (eller ganska nära det) datavisning och logger med en Android -enhet. Jag vill fånga accelerometerdata från MPU-6050 så jag utformar
Händelsemeddelanden i realtid med hjälp av NodeMCU (Arduino), Google Firebase och Laravel: 4 steg (med bilder)
Händelsemeddelanden i realtid med hjälp av NodeMCU (Arduino), Google Firebase och Laravel: Har du någonsin velat bli aviserad när det görs en åtgärd på din webbplats men e -post inte passar rätt? Vill du höra ett ljud eller en klocka varje gång du gör en försäljning? Eller så behöver du din omedelbara uppmärksamhet på grund av en nödsituation