Billedbehandling baseret på brandgenkendelse og slukker: 3 trin

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:26

Hej venner, dette er et billedbehandlingsbaseret branddetekterings- og slukkersystem, der bruger Arduino

Trin 1:

Grundlæggende er systemet opdelt i to dele

1 branddetektion

2 brandvarsler og slukker

I den første del registrerer brand ved hjælp af billedbehandling.

Her i dette projekt bruger jeg åbent CV og python til branddetektering. Jeg oprettede en HAAR Cascade Classifier til branddetektering ved hjælp af Open CV. Det har træner og detektor til at træne vores egen kaskadeklassificering, HAAR Cascade bruges til at detektere objekt, som det er blevet trænet til. Masser af positive og negative billedprøver er nødvendige for at træne klassifikator. Uddannelse af kaskadeklassificering er kompleks og tidskrævende proces, så for at gøre det let finder jeg en kaskadetræningssoftware på webnavn "cascade trainer GUI".

Til træningskaskadeklassificering skal du downloade og installere thistrainer EXE fra ovenstående link. Opret en mappe med navnefire (du kan oprette mappe med et hvilket som helst navn, da mit målobjekt er brand, så jeg oprettede mappe "brand"), opret nu to mapper inde i brandmappen med navnet "n" og "p", n mappe er for negative billedprøver og p for positive billedprøver. Positivt billede indeholder det objekt, som vi vil opdage, i vores tilfælde vil vi opdage brand, så indsaml billedprøverne, der indeholder brand, og læg dem inde i p -mappen. For negative prøver indsamles et stort antal billeder, som ikke indeholder ild, endda delvist. Følg nu trinene på ovenstående side for at lave din kaskadeklassificeringsfil, eller du kan downloade færdiglavet kaskadeklassificering til branddetektering og kildekode fra linket (kildekode)

Kommer mod python, for at køre dette projekt skal du installere følgende moduler og biblioteker til din python -opsætning.

· Numpy

· Scipy

· Pyserial (klik på hende for at downloade numpy, scipy og pyserial)

Efter installation af alle moduler åbner python -kode med brandfejldetektering, arduino.py hvis du får nogle fejl under kørslen, skal du ikke få panik, vi har lige gjort første del.

Trin 2:

Lad os bevæge os mod hardware, her bruger jeg Arduino UNO som controller, da jeg skal styre pumpe, summer og røde lysdioder.

Anvendte komponenter:

Arduino uno:

16x2 LCD:

5 volts summer:

LED’er

5 volt relæ:

BC547 transistor:

Modstande 470r, 1k, 220r, 10k forudindstillet:

Lm7805

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

Diode 1N4007

Webcam (valgfrit, du kan også bruge dit bærbare kamera):

Mini nedsænket pumpe (fra lokal butik)

Tilslut alle komponenterne i henhold til kredsløbsdiagrammet nedenfor, tilslut arduino til din computer ved hjælp af USB -kabel og find ud af com -porten, som Arduino er tilsluttet, åbn nu Arduino -koden, vælg com -port og korrekt kort fra værktøjsmenuen i Arduino og upload koden.

Trin 3:

Åbn python -koden med navnebranddetektering, arduino.py tjek com -port skrive i koden er korrekt eller ikke i linje 13, hvis ikke ændres den med dit Arduino com -portnummer. Klik på fanen Kør, klik derefter på Kør modul eller tryk på F5.

Hvis alle forbindelser er ok, vises kameraforhåndsvisning på skærmen. Vis nu ild til det, brand bliver opdaget, og pumpestart samt summer starter biplyd.

DOWNLOAD LINKS

Kildekode:

Python -moduler:

Cascade trainer GUI:

Håber du finder dette nyttigt. hvis ja, synes godt om det, del det, kommenter din tvivl. For flere sådanne projekter, følg mig! Støt min kanal på YouTube.

Tak skal du have!

facebook

Youtube