Arduino kan virke meget rudimentær, men det er mere end nok til at skabe selv ret avancerede projekter. Ved hjælp af nogle moduler på markedet, såsom kameramoduler, og ved hjælp af nogle biblioteker eller API'er kan du give dit projekt intelligens eller kunstig syn. Det vil give nye applikationer og nye horisonter ud over rudimentære projekter.
Maskinsyn er en type computersyn. Det er ikke blot at tage billedet gennem et digitalt kamera, det går videre. Kan bruges til erhverve miljødata, behandle billedet, analysere det, forstå virkelige billeder osv. For eksempel kan det bruges til at indhente numeriske oplysninger gennem kameraet, genkende mennesker osv. Forestil dig alt, hvad du kunne gøre med dette ...
Hvad bruges computersyn til?
Ved ejemplo, mange nuværende vision-systemer er baseret på denne type vision, såsom nogle køretøjer, der tillader automatisk parkering, kortlægning af miljøet, trafikstyringssystemer på veje eller genkender fodgængere til at stoppe køretøjet og ikke køre over dem, genkende ansigter og opnå data om de mennesker, der er registreret i en database, såsom i nogle sikkerhedssystemer, analysere videoer osv.
Potentialet i denne maskinsyn er så ekstremt, at regeringer og store virksomheder De bruger det til en lang række formål, uanset om det er lovligt eller ej. Nogle praktiske anvendelsesområder, som du helt sikkert kender er:
- Facebook: Brug denne type kunstig vision til fotos uploadet til dit sociale netværk, på denne måde kan du genkende ansigter ved hjælp af komplekse algoritmer. På den måde kan du fodre din AI for at gøre den mere kraftfuld og forbedre den til andre fremtidige applikationer.
- Flickr- Du kan bruge denne maskinvision til at rekonstruere 3D-scener ved hjælp af billedopbevaringssteder på denne platform.
- Industri: Med kunstige synssystemer kan du opdage defekter i en samlebånd, hurtigt kassere genstande med defekter osv. For eksempel, når frugterne, der indsamles i landbrugssektoren, rejser gennem et transportbånd ved hjælp af en kunstig synssensor, kunne brudte, beskadigede, rådne frugter eller andre objekter end frugter detekteres for at fjerne dem ved hjælp af en luftstråle eller andre mekanismer.
- Video overvågning: det kan bruges i mange beskyttede centre til at fange bestemte køretøjer eller mennesker, finde ud af, hvem de er og sende oplysningerne til et system eller registrere dem til senere analyse. Mange virksomheder bruger endda det til at finde ud af, hvordan folk klæder sig (modesektoren), visse enheder til at finde ud af, hvem der kan være i demonstrationer, opdage tilstedeværelsen af mistænkeligt personale i offentlige eller travle centre osv.
Husk, at der i øjeblikket er et væld af overvågningskameraer af alle slags spredt rundt på gaden, uanset om de skal overvåge virksomheder, banker, DGT osv., Så en masse information indsamles fra os alle...
Nødvendigt materiale
Ud over Arduino-kortet med den mikrocontroller, som du kan programmere, og som bruger biblioteker, du bliver nødt til det også andre grundlæggende elementer til dit projekt. Blandt dem selvfølgelig et modul med et kamera, der er i stand til billedbehandling. Et eksempel på dette er Pixy CMUCam 5 eller Lignende. Dette modul har en kraftig processor, der kan programmeres til at sende information fanget af sensoren gennem den serielle port UART, SPI, I2C, digital ud eller analoge signaler.
Med Pixy CMUCam 5 kan du behandle op til 50 billeder pr. Sekund (50 FPS). Med disse muligheder kunne det programmeres til kun at sende de billeder, der er ønsket eller søgt efter, i stedet for konstant at optage al den video, den optager. For lettere håndtering har den en gratis og open source-applikation ringe pixymon til din kontrol.
Hvis du beslutter at købe dette Pixy CMUcam5-kamera, kommer det med et 6-pin til 10-pin IDC-kabel og monteringshardwaren. Ud over, tekniske egenskaber af modulet er:
- NXP LPC4330 204 Mhz DualCore-processor.
- 254 Kb RAM-hukommelse,
- 140 mA forbrug.
- Billedsensor Omnivision OV9715 på 1/4 ″ og opløsning på 1280 × 800.
- Betragtningsvinkel på 75º vandret og 47º lodret.
- Enkel billedgenkendelse for at lokalisere objekter.
- Du kan bruge den med Arduino-kort (med specifikke biblioteker), Raspberry Pi, BeagleBone Black og andre lignende boards.
- Kommunikationsporte: SPI, I2C, UART, USB eller analog / digital udgang.
- PixyMon-software kompatibel med Windows, macOS og GNU / Linux.
- Lille størrelse.
- Dokumentation tilgængelig på projektet Wiki.
- Github-arkiver med biblioteket til Arduino.
- firmware
- Tutorials
Derudover skal du huske på, at du har en anden type API'er, biblioteker og mere materiale der kan hjælpe dig med at oprette projekter af alle slags ved hjælp af disse kameraer og kunstig syn. For eksempel skal det bemærkes:
- OpenCV: er et gratis maskinvisionsbibliotek, der oprindeligt blev udviklet af Intel. Det er nu frigivet under BSD-licensen og kan bruges af alle til at opdage bevægelse, genkende objekter, robotvision, ansigtsgenkendelse osv. Det er på tværs af platforme, så det kan bruges på GNU / Linux, macOS, Windows og Android.
- Andre projekter, såsom køretøjsdetektion.
Fra Hwlibre opfordrer jeg dig til at starte eksperimentere og lære om denne disciplin...
Enkelt eksempel på integration af Pixy 2 CMUcam5 med Arduino
For at bruge dette Pixy 2 CMUcam5-modul med dit Arduino-kort, som du skal bruge flere ekstra elementer. For eksempel kan du Brug en servomotor S06NF eller lignende, for at handle, når kameraet registrerer et objekt, som du har programmeret det til. Selvfølgelig skal du downloade PixyMon-softwaren, jeg sagde ovenfor, og GitHub-biblioteket til Arduino.
Flere oplysninger om Arduino-programmering kan du download vores PDF med det gratis kursus.
Når du har gjort det installeret PixyMon I dit operativsystem er følgende at følge disse trin:
- Tilslut Pixy med USB-kablet og kontroller, om modulets RGB-LED er tændt, hvilket indikerer, at det fungerer korrekt.
- Åbn PixyMon-appen og hvis alt er korrekt, vil du se, hvad kameraet fanger i øjeblikket.
- Gå til undermenuen Handling eller handling, og klik derefter på Indstil signatur eller Indstil signatur. Nu skal videoen fryse, og du kan vælge, hvilken farve eller objekt du vil have kameraet til at registrere, så længe det er foran sensoren. For eksempel kan du bruge en bold. På den måde, når bolden passerer foran sensoren, vil den blive detekteret.
- Som du kan se, er der op til 7 sæt signatur, så du kan konfigurere op til 7 forskellige objekter, som kameraet kan registrere.
- Hvis du kun vælger en, kan du gå videre til næste trin. Eller hvis du vil fjerne et objekt fra listen, kan du gå til menuen Handling eller Handling og derefter Slet alt Underskrifterne eller vælg Slet specifik signatur. Du kan endda gå til Konfiguration eller Konfiguration og derefter gå til den specifikke signatur, som du vil ændre for at ændre den….
Nu kan du fortsætte med at konfigurere dit bord Arduino, Hvis du vil. For at gøre dette ved du allerede, at du skal bruge Pixy-biblioteket til Arduino. Dette bibliotek indeholder også enkle eksempler, som du kan begynde at eksperimentere med uden at skrive kode fra bunden. Du skal blot åbne dem og køre disse skitser eller foretage ændringer til dem for at se, hvordan de opfører sig. For at have dette bibliotek kan du følge disse trin.
- Aflad biblioteket til Arduino.
- åbner Arduino IDE.
- Gå til skitse, Inkluder bibliotek og derefter Tilføj .zip-bibliotek, og vælg det, du downloadede.
- Nu vil det blive integreret, det kan du begynde at teste et eksempel med kameraet korrekt tilsluttet til dit Arduino-kort. For at gøre dette skal du gå til menuen Eksempler eller Eksempler, derefter til Pixy og vælge en af dem. Jeg anbefaler dig at starte med Hej Verden.
- Med dit Arduino-kort forbundet med USB til pc, upload skitsen på dit bord, vælg derefter Værktøjer og derefter Seriel skærm.
- Nu begynder vinduet at vise dig oplysninger.
Selvfølgelig, glem ikke at forbinde alle de elektroniske komponenter skal du til dit Arduino-kort, inklusive selve kameraet. Du ved allerede, at den opretter forbindelse til Arduino ISCP-stifter, der er bestemt til disse moduler, som det kan ses på billedet ...