Del 1. ThinkBioT Autonomous Bio-akustisk Sensor Hardware Hardware: 13 trin

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:27

ThinkBioT sigter mod at levere en software- og hardware-ramme, der er designet som en teknologisk rygrad til at understøtte yderligere forskning, ved at håndtere detaljerne i dataindsamling, forbehandling, dataoverførsel og visualiseringsopgaver, der gør det muligt for forskere at fokusere på deres respektive klassifikations- og bioakustiske metriske indsamlingsvirksomheder.

Denne prototype er stadig under udvikling, og som sådan vil jeg anbefale at vente, indtil alle tutorials i ThinkBioT -serien er gennemført.:) Hold øje med ThinkBioT Github for opdaterede nyheder på

Trin 1: Saml komponenter

Saml komponenterne i Bill Of Materials -filen (vedhæftet). De elektroniske kernekomponenter er angivet med deres respektive mærkenavne og kan ikke udskiftes, resten inklusive sagen kan erstattes af de generiske ækvivalenter.

Trin 2: Saml nødvendige værktøjer

For at lave denne prototype skal du sørge for at have mindst følgende værktøjer;

• El -boremaskine med 24 mm hullesav og stort plast egnet bitsæt
• #1 stjerneskruetrækker
• Sideklippere (eller skarp saks)
• Små tang (nåle næse eller standard)
• Sikkerhedsbriller

Bemærk: Tang er valgfri og kræves kun for brugere, der synes, at de små komponenter er svære at håndtere

Trin 3: Forbered kabinet

Iført sikkerhedsbriller, bor huller til stik i kabinettet.

Du skal bruge 3 huller

1. USB vandtæt panelmonteret stik - brug hulsav eller trinbor.
2. Mikrofon kabinet - brug stort bor
3. SMA-gennemgangsstik (M-M)

Hvis du bruger Evolution 3525 -etuiet, anbefaler vi, at du borer i fladskærmen på den modsatte side af kabinettet. Men det afhænger virkelig af, hvordan du agter at montere enheden, bare sørg for, at stik er under enheden for at beskytte mod direkte regn.

Når den er boret, kan du indsætte mikrofonen i holderen og tilslutte SMA -patchkablet og USB -patchkablet (leveres med Voltaic V44).

Trin 4: Installer Stretch på Raspberry Pi 3

Inden den monteres i prototypen, skal Raspberry Pi 3 konfigureres og have et operativsystem installeret. I Raspberry Pi single board computere er operativsystemet gemt på et flytbart SD -kort.

Jeg brugte en Samsung Micro SD EVO+ 128 GB.

For at installere Stretch på dit SD -kort;

1. Download Raspbian Stretch fra Raspbian Stretch. Bemærk: ThinkBioT bruger Stretch, da Coral Edgetpu -modellerne i øjeblikket kun er testet op til version 1.13.0 af TensorFlow, som ikke blev testet på Debian Buster.
2. Sørg for, at dit SD -kort er formateret som Fat32 i henhold til denne vejledning.
3. Følg en af selvstudierne herunder (afhængigt af din operativsystemtype) for at skrive Stretch -billedet til dit SD -kort. Windows, Mac OS eller Linux
4. Tilslut eventuelt din hindbær HMDI -port til en skærm på dette tidspunkt.
5. Indsæt dit SD -kort i åbningen på hindbær Pi og tilslut det til strøm. I første omgang vil vi anbefale at bruge en officiel hindbær PSU for at sikre, at der ikke opstår advarsler under strøm under installation af software.

Bemærk: Jeg har valgt den fulde version af Stretch) i modsætning til 'Lite' -versionen, da den første trådløse forbindelse er lettere at konfigurere med et grafisk interface. Yderligere funktioner deaktiveres af ThinkBiot -scripts, når enheden er i felttilstand, så GUI'en ikke kræver større strømoverhead i feltet.

Trin 5: Opret forbindelse til dit lokale WIFI -netværk via SSH

For at konfigurere prototypen skal du kunne oprette forbindelse til Raspberry Pi for at udveksle kommandoer og se opsætningsdata. I første omgang kan det være lettere for dig at bruge den grafiske desktop -grænseflade, indtil du får din SSH tilsluttet. Vi vil anbefale, at du efter den første opsætning opretter forbindelse via en SSH-terminal direkte til kommandolinjen, som beskrevet i slutningen af selvstudiet.

1. Følg vejledningen her for at oprette forbindelse til vores Raspberry Pi
2. Det anbefales også at installere Winscp, hvis du er en wndows -bruger, som det er meget

Bemærkninger: Afhængigt af pålideligheden af din Wifi har vi fundet det nødvendigt at oprette forbindelse via vores mobiltelefons hotspots. Hvis du konfigurerer dette, kan du også kommunikere med din enhed i det felt, hvor der ikke er ekstern WiFi. Men man skal passe på, at man ikke overskrider sine datagrænser!

Trin 6: Installer Witty Pi 2

Det vittige Pi -kort bruges til at holde systemtid, når din Raspberry Pi er tændt, og til at tænde og slukke det under ThinkBioT -driftscyklussen.

1. Åbn først en terminal via din SSH -forbindelse eller lokalt i forhold til skrivebordsmuligheden. Klik her for information om, hvordan du åbner og bruger terminalsessionen.
2. Følg opsætningen i den vittige Pi -dokumentation.
3. Bemærk: Når du bliver spurgt "Fjern fake-hwclock-pakken og deaktiver ntpd-dæmon? (Anbefales) [y/n]" svar y. Når du bliver spurgt "Vil du installere Qt 5 til GUI -kørsel? [Y/n]" svarer n
4. Når firmware er installeret, skal du fjerne Raspberry Pi fra strømkilden og montere kortet på Raspberry Pi uden at bruge skruerne endnu.
5. Tilslut Raspberry Pi -backen til strømmen og ved hjælp af instruktionerne i Wittty Pi -dokumentationen synkroniseres tiden og lukker Raspberry Pi. For at lukke og starte kan du blot trykke på den vittige Pi -knap fra nu.

Trin 7: Monter systemkomponenter i intern supportkasse

Jeg brugte en billig Raspberry Pi -kasse i akryl til at montere vores kernesystemkomponenter, du er velkommen til at ændre rækkefølge og monteringsstil. Jeg brugte 2,5M monteringspæle mellem hvert lag for at tillade luftstrøm og brugte de interne huller til at montere komponenterne.

1. Montering af hindbær Pi (og vedhæftet Witty Pi): Brug de skruer og beslag, der følger med Witty Pi, til at fastgøre den til en af bundpladerne
2. Montering af Google Coral: Ved hjælp af de 2 x klæbende kabelbindere monteres Coral på bundpladen via kabelbindere som vist på billederne ovenfor
3. Montering af RockBlock: Brug forsigtigt en monteringsstolpe i printkortets monteringshul og et hul i bundpladen, og tilføj derefter en klæbende kabelbinderholder under enheden og et kabelbinder for at stoppe enheden med at bevæge sig rundt. Stram IKKE kabelbinderen for meget, da du kan beskadige Rockblock. Sørg for, at du vælger en monteringsstolpe af en lignende højde som Rockblock, der hviler på kabelbinderfæstet.
4. Vi anbefaler at tilslutte RockBlock -kablet på dette tidspunkt, da det kan være akavet, når enheden er sat sammen.
5. Beskær eventuelt overskydende kabelbindelængde forsigtigt med dine sideskærere, mens du har dine beskyttelsesbriller på.
6. Tilslut de enkelte kabinetlag sammen med monteringspæle, du kan få brug for en tang på dette tidspunkt afhængigt af størrelsen på dine hænder.
7. Påfør en klæbende krog på bundniveauet i den nu komplette komponentetui.
8. Tilslut IKKE RockBlock og Google Coral på dette tidspunkt.

Trin 8: Installer TensorFlow Lite

1. Åbn et nyt terminalvindue, enten på Raspberry Pi Desktop eller via SSH -forbindelse, og indtast følgende kommandoer linje for linje for at sikre, at din Stretch -installation er opdateret. Den første linje samler opdateringerne, den anden linje installerer opdateringerne og den tredje genstarter hindbær Pi for at genstarte frisk med de nye filer.

sudo apt-get updatesudo apt-get upgrade sudo genstart

2. For at installere TensorFlow Lite 1.13.0 skal du indtaste følgende kommandoer linje for linje. Hvad der sker i dette kodestykke er, at kravene til TensorFlow Lite er installeret, derefter afinstalleres eventuelle tidligere versioner, hvis de findes (for at undgå konflikter), og en på forhånd kompileret binær af TensorFlow Lite downloades fra mit lager og installeres.

BEMÆRK: Da nogle af disse er ret store filer, kan det tage noget tid at installere og kræver en stabil internetforbindelse og god strømforsyning. Jeg fandt ud af, at min australske bredbåndsforbindelse fik processen til at kaste fejl, så jeg måtte bruge en 4G -forbindelse via mit mobile hotspot, som fungerede 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 six wheel mock sudo pip3 afinstaller tensorflow wget https:// github. dk/mefitzgerald/Tensorflow-bin/raw/master/tensorflow-1.13.1-cp35-cp35m-linux_armv7l.whl sudo pip3 installer tensorflow-1.13.1-cp35-cp35m-linux_armv7l.whl

3. Test din installation med følgende script nedenfor. Skriv blot python3 (i terminalen) for at starte en python -prompt (angivet med >>>). Derefter importerer du TensorFlow (så du kan bruge dens metoder) og bruger versionsmetoden, hvorved det returnerer versionsnummeret, hvis din installation lykkedes, bruger du derefter exit () til at lukke python -prompten.

python3

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

Trin 9: Installer Google Coral Edge TPU

Google -korallen vil blive brugt til at konkludere under klassificeringsopgaverne og skal konfigureres med sin egen firmware. Ligesom Tensorflow -opsætningen kræver dette et stabilt downloadmiljø, så repliker din netværksforbindelse fra det forrige trin.

1. Tilslut ikke Google Coral -usb endnu, åbn en terminal (enten lokalt på hindbær Pi -skrivebordet eller via SSH).
2. Følg selvstudiet på https://coral.withgoogle.com/docs/accelerator/get-started/#set-up-on-linux-or-raspberry-pi for at installere og teste Google Corals firmware.

Trin 10: Installer ThinkBioT

1. Åbn et terminalvindue enten lokalt på dit Raspberry Pi -skrivebord eller via SSH.

2. Indtast følgende kodelinje for at downloade ThinkBioT Installation -scriptet.

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

3. Indtast nu koden herunder for at starte installationen.

sudo sh installThinkBioT.sh

4. Når installationen er fuldført, skal du indtaste følgende for sikkert at genstarte din Raspberry Pi

sudo genstart

5. Når du nu logger ind på raspberry Pi, skal du have en ny fil i din hjemmemenu, som er din database kaldet tbt_database og 2 nye mapper, ThinkBioT -biblioteket, der indeholder alle ThinkBioT -scripts og pyrockblock -biblioteket, der indeholder rockblock -biblioteket.

Trin 11: Komplet konstruktion

Nu er vi i hardware -færdiggørelsesfasen, det faktiske fysiske layout af din enhed er afhængigt af dit kabinet, men en enkel måde at fuldføre projektet på er nedenfor;

1. Brug klæbende krog og sløjfe til at dække powerbanken og basen til dit hindbær pi -kabinet. For at sikre, at det var på linje, fandt jeg det bedst at passe både krogen og sløjfen til overfladen (så et klæbende lag er fæstnet til batteriet for eksempel, og krog- og sløjfelagene presser mod hinanden med det sidste klæbende lag bar) derefter pres hele partiet på den indvendige sagoverflade.
2. Nu skal du have både etuiet med hindbærpi, RockBlock og Google Coral og powerbank vedhæftet inde i dit ThinkBioT -kabinet. Nu skal du blot klippe krog og sløjfe og gentage handlingen for SoundBlaster Play 3 !.
3. Rydder op i kabler, jeg har brugt ekstra klæbende kabelbeslag, så jeg kan bundte kablerne pænt med kabelbindere.
4. Ingen stik batteriet i den vittige Pi -stikkontakt.
5. Tilslut forsigtigt SMA -kablet til SMA -stikket på klippeblokken.
6. Sæt primomikrofonen i SoundBlaster Play 3!
7. Du kan også tilslutte Rockblock til hindbær Pi, men det er lettere at holde den frakoblet, indtil du er fortrolig med systemets funktion.

Trin 12: Vandtæt din bioakustiske sensor

Afhængigt af hvor du har tænkt dig at bruge din enhed, kan du kræve vandtætning.

Jeg har tidligere sugru til at forsegle rundt om portene i kabinettet og stikket på solpanelet som på billedet, men du kan finde silicium eller marine grade sealant/silicium lige så godt. Jeg vælger støbeformet siliciumlim, da jeg ikke ville have nogen til at komme ind i samlingerne og potentielt forårsage åbne kredsløb.

Trin 13: Brug din bioakustiske sensor

Nu har du afsluttet din hardware, opbygning af softwaren, og brugen er dækket af de følgende selvstudier;

Del 2. Tensorflow Lite Edge -modeller til ThinkBioT

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

Del 3. Betjening af ThinkBioT

tbc