Indholdsfortegnelse:
- Trin 1: Lixo, Um Problema Mundial
- Trin 2: Por Que Separar O Lixo?
- Trin 3: Kvalificere en Solução?
- Trin 4: Quais As Tecnologias Utilizadas?
- Trin 5: Algoritmos E Códigos
- Trin 6: Billeder Do Protótipo Em Construção. (Vers 1.0 E 2.0)
- Trin 7: Forfattere gør Projeto
Video: Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 trin
2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:26
A nossa lixeira inteligente consiste na separação automática do lixo. Através de uma webcam, ela identifica o tipo de lixo e o depositita no compartimento adequado para posteriormente ser reciclado.
Trin 1: Lixo, Um Problema Mundial
Um dos principais problemas encontrado no meio urbano, especialmente nas grandes cidades é o lixo sólido, resultado de uma sociedade que a cada dia consome mais.
Para ter uma noção mais ampla do problema tomemos a cidade de São Paulo como exemplo, em média cada pessoa producer diariamente entre 800 ga 1 kg de lixo diário, ou de 4 a 6 litros de dejetos, por dia são gerados 15.000 toneladas de lixo, isso correspondonde a 3.750 caminhões carregados diariamente. Em um ano esses caminhões enfileirados cobririam o trajeto entre a cidade de São Paulo e Nova Iorque, ida e volta.
Trin 2: Por Que Separar O Lixo?
Com a separação dos lixos fica mais fácil e rápida a reciclagem do material..
Trin 3: Kvalificere en Solução?
Nossa solução é uma Lixeira feita com materiais também recicláveis que analisa o tipo de lixo eo descarta no compartimento correto. capaz de aprender e reconhecer o material do objeto descartado (papel, metal, plástico, vidro ou outros). acionado para fazer o despejo.
Trin 4: Quais As Tecnologias Utilizadas?
Software:
- OpenCV
- Haar cascade classifier
- Python
- MRAA
- Linux (Debian)
Hardware:
- Dragonboard 410c
- 96board mezzanin
- Motorer DC
- Driver Motor Ponte H L298N
- Fonte ATX 230W
- Webcam
Trin 5: Algoritmos E Códigos
Part 1 - OpenCV, statistik
Como o treinamento para reconhecer os 5 tipos de materiais descritos no Step 3 demoraria muito, decididor afunilar o problema e detectar apenas latas e garrafas de plástico para comprovar a prova do conceito. Essa detecção ocorreu nos seguintes passos.
1 - Treinamento: Foram utilizadas 20 billeder divides entre garrafas e latas
2 - Detecção:
2.1 - Converter -billedbillede til espaço de cor HSV. Aumentar 'V' por um fator de 2 com o objetivo de ter features mais visíveis.
2.2 - Encontrar gradiente de Sobel nos eixos x e y.
2.3 - Computar a magnitude com iguais pesos em ambas as direções.
2.4 - Beskrivelse af metoden, der viser, hvad der kan findes på en cameramaskine..
2.5 - Anvendelse af lukning af billeddetektering.
2.6 - Anvendelse af detektor på bordet Canny
2.7 - Beregning af transformationen af Hough
2.8 - Enquadrar bordas do objeto num retângulo.
2.9 - Checar proporção largura x altura para comparação com o banco de dados. Ingen banco estão armazenados diversos modelos positiveos e negativeos.
3 - Separação: Dado a saída da etapa anterior (garrafa ou lata), movemos a esteira (motor) para o lado esquerdo ou direito despejando o objeto e acendendo um LED para indicar que o processo ocorreu com successesso.
3.1 - Devido a tensão de saída da DragonBoard ser de apenas 1.8V nos pinos digitais e os drivers dos motores requererem uma tensão de entrada de no mínimo 5 V, utilizamos as saídas 12 V de uma fonte ATX de 230 W.
3.2 - Nesta etapa utilizamos o mraa for mapear os dois polos do motor em pinos de entrada na mezzanine board para podermos girar a esteira em ambas as direções.
Bemærk.: Det er vigtigt at se, hvad der skal gøres på en mezzaninplade, hvor der ikke findes nogen rettelser/sys/class/gpio, der kan udføres i root (sudo).
4 - Armazenamento de dados:
Dette er en informativ information, der kan bruges til at installere AWS IoT -oplysninger, og som vi kan tilbyde en række kompetente og nødvendige kompetencer. Essas dados são trocados utilizando o protocolo MQTT onde é possível o envio and recebimento de informações de forma bidirecional.
Trin 6: Billeder Do Protótipo Em Construção. (Vers 1.0 E 2.0)
Trin 7: Forfattere gør Projeto
Da esquerda pra direita:- David Carvalho- Lucas Azevedo- Rodrigo Alves- Larissa Lages- Manoela Vieira- Bianca Lisle- Andréa DuqueAgradecimentos: Angelo Brito, Thiago Pinheiro, Heitor Araújo e à todos que nos ajudaram diretamente e indiretamente.
Anbefalede:
QR -kodescanner ved hjælp af OpenCV i Python: 7 trin
QR-kodescanner ved hjælp af OpenCV i Python: I dagens verden ser vi, at QR-kode og stregkode bruges stort set alle steder fra produktemballage til online betalinger og nu om dagen ser vi QR-koder selv i restauranten for at se menuen. tvivler på, at det er den store tanke nu. Men har du nogensinde wo
Real-time Rubik's Cube bind for øjnene med Raspberry Pi og OpenCV: 4 trin
Real-time Rubiks terning med bind for øjnene med Raspberry Pi og OpenCV: Dette er den anden version af Rubiks terningværktøj, der er designet til at løse i bind for øjnene. Den første version blev udviklet af javascript, du kan se projektet RubiksCubeBlindfolded1 I modsætning til den forrige bruger denne version OpenCV -bibliotek til at registrere farverne og e
Vision 4all - Sistema Visão Assistida Para Deficientes Visuais Usando OpenCV, Dragonboard 410c E Aplicativo Android: 6 Steps
Vision 4all - Sistema Visão Assistida Para Deficientes Visuais Usando OpenCV, Dragonboard 410c E Aplicativo Android: DESCRI Ç Ã OO intuito do projeto é dar autonomia para deficientes visuais se locomoverem em ambientes indoor como casas ou shopping centers e aeroportos.A locomo ç ã o em ambientes j á mapeados pode ou n ã o s
Billedbehandling med Raspberry Pi: Installation af OpenCV og billedfarveseparation: 4 trin
Billedbehandling med Raspberry Pi: Installation af OpenCV og billedfarveseparation: Dette indlæg er det første af flere tutorials til billedbehandling, der skal følges. Vi ser nærmere på de pixels, der udgør et billede, lærer at installere OpenCV på Raspberry Pi, og vi skriver også test scripts for at fange et billede og også c
Objektdetektion W/ Dragonboard 410c eller 820c ved hjælp af OpenCV og Tensorflow .: 4 trin
Object Detection W/ Dragonboard 410c eller 820c Brug af OpenCV og Tensorflow .: Denne instruktionsbog beskriver, hvordan du installerer OpenCV, Tensorflow og machine learning -rammer til Python 3.5 til at køre Object Detection -applikationen