Op beeldverwerking gebaseerd brandherkennings- en blussysteem: 3 stappen

2024 Auteur: John Day | [email protected]. Laatst gewijzigd: 2024-01-30 11:15

Hallo vrienden, dit is een op beeldverwerking gebaseerd branddetectie- en blussysteem met Arduino

Stap 1:

In principe is het systeem verdeeld in twee delen:

1 branddetectie

2 brandalarm en blusser

In het eerste deel wordt brand gedetecteerd met behulp van beeldverwerking.

Hier in dit project gebruik ik open CV en python voor branddetectie. Ik heb een HAAR Cascade Classifier gemaakt voor branddetectie met behulp van Open CV. Het heeft trainer en detector voor het trainen van onze eigen cascadeclassificatie, HAAR Cascade wordt gebruikt om objecten te detecteren waarvoor het is getraind. Er zijn veel positieve en negatieve beeldvoorbeelden nodig om de classifier te trainen. Het trainen van de cascade-classificatie is een complex en tijdrovend proces, dus om het gemakkelijk te maken, vind ik dat een cascade-trainingssoftware op de webnaam "cascade trainer GUI" is.

Download en installeer deze trainer EXE via de bovenstaande link voor het trainen van cascadeclassificatie. Maak een map met de naam fire (u kunt een map maken met elke naam omdat mijn doelobject vuur is, dus ik heb de map "fire" gemaakt) maak nu twee mappen in de vuurmap met de naam "n" en "p", n map is voor negatieve beeldmonsters en p voor positieve beeldmonsters. Positief beeld bevat het object dat we willen detecteren, in ons geval willen we vuur detecteren, dus verzamel de afbeeldingsmonsters die vuur bevatten en plaats ze in de p-map. Verzamel voor negatieve monsters grote aantallen afbeeldingen die zelfs gedeeltelijk geen vuur bevatten. Volg nu de stappen op bovenstaande pagina om uw cascadeclassificatiebestand te maken, of u kunt een vooraf gemaakte cascadeclassificatie voor branddetectie en broncode downloaden via de link (broncode)

Komt in de richting van de python, om dit project uit te voeren, moet je de volgende modules en bibliotheken installeren in je python-setup.

· Numpy

· Scipy

· Pyserial (klik op haar om numpy, scipy en pyserial te downloaden)

Na installatie van alle modules open python-code met naam branddetectie, arduino.py als je fouten krijgt tijdens het hardlopen, geen paniek, we hebben zojuist het eerste deel gedaan.

Stap 2:

Laten we naar hardware gaan, hier gebruik ik Arduino UNO als controller omdat ik de pomp, zoemer en rode LED's moet bedienen.

Gebruikte componenten:

Arduino uno:

16x2 LCD-scherm:

5volt zoemer:

LED's

5 volt relais:

Bc547-transistor:

Weerstanden 470r, 1k, 220r, 10k preset:

Lm7805

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

Diode 1N4007

Webcam (optioneel, je kunt ook je laptopcamera gebruiken):

Mini-dompelpomp (van plaatselijke winkel)

Sluit alle componenten aan volgens het onderstaande schakelschema, sluit arduino aan op uw computer met behulp van een USB-kabel en ontdek de com-poort waarop Arduino is aangesloten, open nu de Arduino-code, selecteer de com-poort en het juiste bord in het toolmenu van Arduino en upload de code.

Stap 3:

Open de python-code met de naam branddetectie, arduino.py controleer of de com-poort in de code correct is of niet in regel 13, zo niet, verander het met uw Arduino-com-poortnummer. Klik op het tabblad Uitvoeren en klik vervolgens op module uitvoeren of druk op F5.

Als alle verbindingen in orde zijn, wordt het cameravoorbeeld op het scherm weergegeven. Laat het vuur zien, het vuur wordt gedetecteerd en de pomp start en de zoemer begint te piepen.

DOWNLOAD LINKS

Broncode:

Python-modules:

Cascade trainer GUI:

Ik hoop dat je dit nuttig vindt. zo ja, vind het leuk, deel het, becommentarieer je twijfel. Volg mij voor meer van dit soort projecten! Steun mijn kanaal op YouTube.

Bedankt!

facebook

youtube