MachineEye: 5 stappen

2024 Auteur: John Day | [email protected]. Laatst gewijzigd: 2024-01-30 11:14

Ik heb de Texas Instrument Sensor Tag CC2650 gecombineerd met de Raspberry Pi-camera om een dashboard te ontwikkelen met geweldige informatie. Ik heb het project aangesloten met IBM Node Red, dat op de Raspberry Pi-afbeelding is geïnstalleerd. De camera verzendt gegevens naar Microsoft Cognitive-services om een beschrijving te retourneren van wat de camera ziet. Deze gegevens kunnen oneindig veel toepassingen opleveren. Mijn voorbeeld is een eenvoudig voorbeeld met de weersomstandigheden binnen en een foto met een beschrijving van wat de camera ziet. l

Stap 1: Vereiste hardware en software

Hardware

1. Raspberry Pi 3 (je zou ook Pi 2 of Pi model B kunnen gebruiken)

2. Raspberry Pi-camera

3. Texas Instruments CC2650 Sensortag

4. SD-kaart

Software

1. Raspbian Jessie met Pixel-versie: maart 2017

www.raspberrypi.org/downloads/raspbian/

2. Putty - een terminal om je Pi. te programmeren

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

3. Extra Node voor Node Red

Ik heb de knooppunten beschreven die op de Pi moeten worden geïnstalleerd in stap 3: Node Red instellen.

Stap 2:

Stap 3: Stel de hardware in

Ik gebruik de Raspberry Pi 3 en de Sensor Tag CC2650 verpakt met 7 sensoren. De Raspberry Pi 3 heeft wifi en Bluetooth aan boord, dus we hebben niet zoveel dongles nodig. Mijn enige dongle is om mijn draadloze muis en toetsenbord te gebruiken. Je kunt de officiële Raspberry Pi-website gebruiken om de afbeelding te downloaden en je Pi aan de gang te krijgen:

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

Aan de sensortag hoeft alleen de plastic strip te worden getrokken en hij zou goed moeten zijn om te gaan. U kunt hier meer informatie vinden.

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

De Raspberry Pi-camera heeft ook tal van blogs om u te helpen bij het instellen van de camera:

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

Dit project heeft het touchscreen van de Adafruit. Dit is optioneel en niet vereist voor dit project.

Stap 4: Knooppunt Rood instellen

Node Red is een eenvoudig te gebruiken tool die al op de Raspberry Pi is geïnstalleerd. Meer info vind je hier:

nodered.org/

De belangrijkste stap hier is om uw versie op de Pi bij te werken:

sudo update-nodejs-and-node

Controleer nu uw versie. Ik gebruik Putty voor dit project als mijn terminal.

npm -v

3.10.10

knoop -v

6.10.0

Nu je Node Red is bijgewerkt, gaan we enkele knooppunten toevoegen om verbinding te maken met onze Raspberry Pi Camera en Sensor-tag. Alle knooppunten moeten onder deze map worden geïnstalleerd:

~/.node-rood

Laten we beginnen !

npm install node-red-contrib-camerapi

npm install node-red-node-dweetio

npm install node-red-contrib-freeboard

npm install node-red-contrib-cognitive-services

npm install node-red-node-sensortag

npm install node-red-node-dropbox

Dit zal enige tijd duren en als u waarschuwingen ontvangt, zou dat in orde moeten zijn. Ik heb een injectieknooppunt toegevoegd om foto's te maken met gedefinieerde tussenpozen. Dweetio is voor het Camera Vision-knooppunt om de beschrijving of tags van de afbeelding te lezen en deze naar het tekstvak van het Freeboard-dashboard te sturen. Cognitive Services omvat het Computer Vision-knooppunt.

U moet een gratis abonnementssleutel van Microsoft krijgen voor het Computer Vision-knooppunt.

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

De Dropbox-node is perfect voor dit project. Ik gebruikte de gids van Adafruit die hier te vinden is:

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

Scrol omlaag naar Dropbox-instellingen. Dit zou op elke Pi moeten werken en ze hebben de installatie veel eenvoudiger gemaakt. Het zal je begeleiden bij het instellen van een Dropbox en hoe je de sleutels invoert die je nodig hebt om verbinding te maken met Dropbox. Dit is de beste tutorial die ik heb gevonden. Maar om de afbeelding in het Dashboard te zien, moest ik de link voor de afbeelding aanpassen. Ik heb ervoor gekozen om een Dropbox-tool met de naam Kiezer te gebruiken om een directe link te krijgen naar de afbeelding die naar Dropbox is gedownload. Ik zal dezelfde naam behouden voor de.jpg-foto en het dashboard zou moeten worden bijgewerkt wanneer een nieuwe foto wordt gemaakt.

Om uw Node Red-stroom te bekijken, opent u gewoon een browser. Ik hou van Chrome en dit is slechts een voorbeeld voor het formaat:

192.168.1.1:1880

Stap 5: Stel het dashboard in

Het FreeBoard Dashboard is een flexibele en gemakkelijke manier om de gegevens op een zinvolle manier te visualiseren. Er zijn twee databronnen opgezet en elke dataset heeft een "mijn-ding-naam". Ik verbind het eerste dweetio-knooppunt genaamd Machine Eye met het fotoknooppunt. Hierdoor wordt de payload van de camera naar de cloud gestuurd en kunnen we de informatie op het dashboard vastleggen. Dit wordt een tekstvak.

De tweede Dweetio-node is voor de sensortag. Dit knooppunt is verbonden met de sensortag en zal opnieuw de payload van de sensoren naar de cloud sturen en opnieuw worden vastgelegd. op het dashboard. De gegevens zijn in realtime. Ik heb enkele sensorpanelen toegevoegd voor deze demo.

Het afbeeldingsvak is een afbeeldingsvenster met de directe link naar Dropbox. De afbeelding en beschrijving moeten elke keer dat een afbeelding wordt geactiveerd, veranderen.

De bovenstaande foto is een foto-opname van mijn keramische kat. Ik was wat laat met het inschrijven voor de wedstrijd en door ons godvergeten weer aan de Atlantische kust van Canada kon ik de camera niet mee naar buiten nemen. Neerslag en koud weer zullen mijn elektronica doden. Ik heb ook mijn vrienden en hun beste pelsbaby's nodig om langs te komen voor een fotoshoot.