MachineEye - Gunook

2024 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2024-01-30 07:15

Ich habe das Texas Instrument Sensor Tag CC2650 mit der Raspberry Pi Kamera kombiniert, um ein Dashboard mit einigen tollen Informationen zu entwickeln. Ich habe das Projekt mit IBM Node Red verkabelt, das auf dem Raspberry Pi-Image installiert ist. Die Kamera sendet Daten an Microsoft Cognitive Services, um eine Beschreibung dessen zurückzugeben, was die Kamera sieht. Diese Daten können für endlose Anwendungen geöffnet werden. Mein Beispiel ist ein einfaches Beispiel, das die Wetterbedingungen im Inneren und ein Bild mit einer Beschreibung dessen zeigt, was die Kamera sieht. ich

Schritt 1: Hardware und Software erforderlich

Hardware

1. Raspberry Pi 3 (Sie können auch Pi 2 oder Pi-Modell B verwenden)

2. Raspberry Pi-Kamera

3. Texas Instruments CC2650 Sensor-Tag

4. SD-Karte

Software

1. Raspbian Jessie mit Pixel-Version: März 2017

www.raspberrypi.org/downloads/raspbian/

2. Putty - ein Terminal zum Programmieren Ihres Pi

www.chiark.greenend.org.uk/~sgtatham/putty/

3. Zusätzlicher Knoten für Knoten Red

Die auf dem Pi zu installierenden Knoten habe ich in Schritt 3: Node Red einrichten detailliert beschrieben.

Schritt 2:

Schritt 3: Einrichten der Hardware

Ich verwende den Raspberry Pi 3 und den Sensor Tag CC2650 mit 7 Sensoren. Der Raspberry Pi 3 hat WiFi und Bluetooth an Bord, sodass wir nicht so viele Dongles benötigen. Mein einziger Dongle besteht darin, meine drahtlose Maus und Tastatur zu verwenden. Sie können die offizielle Raspberry Pi-Website verwenden, um das Image herunterzuladen und Ihren Pi zum Laufen zu bringen:

www.raspberrypi.org/products/raspberry-pi-3-model-b/

Am Sensor Tag muss nur der Plastikstreifen gezogen werden und es sollte gut gehen. Weitere Informationen finden Sie hier.

www.ti.com/ww/en/wireless_connectivity/sensortag/tearDown.html

Die Raspberry Pi-Kamera verfügt auch über zahlreiche Blogs, die Ihnen beim Einrichten der Kamera helfen:

www.raspberrypi.org/products/camera-module/

Dieses Projekt hat den Touchscreen der Adafruit. Dies ist optional und für dieses Projekt nicht erforderlich.

Schritt 4: Knoten Rot einrichten

Node Red ist ein einfach zu bedienendes Tool, das bereits auf dem Raspberry Pi installiert ist. Weitere Informationen finden Sie hier:

nodered.org/

Der wichtigste Schritt hier ist, Ihre Version auf dem Pi zu aktualisieren:

sudo update-nodejs-and-node

Überprüfen Sie nun Ihre Version. Ich verwende Putty für dieses Projekt als mein Terminal.

npm -v

3.10.10

Knoten -v

6.10.0

Jetzt ist Ihr Node Red aktualisiert. Wir werden einige Knoten hinzufügen, um eine Verbindung zu unserer Raspberry Pi-Kamera und unserem Sensor-Tag herzustellen. Alle Knoten sollten unter diesem Verzeichnis installiert werden:

~/.node-red

Lass uns anfangen !

npm install node-red-contrib-camerapi

npm install node-red-node-dweetio

npm install node-red-contrib-freeboard

npm install node-red-contrib-cognitive-services

npm install node-red-node-sensortag

npm install node-red-node-dropbox

Dies wird einige Zeit in Anspruch nehmen und wenn Sie Warnungen erhalten, sollte das in Ordnung sein. Ich habe einen Injektionsknoten eingebaut, um in definierten Intervallen Bilder zu machen. Dweetio dient dazu, dass der Camera Vision-Knoten die Beschreibung oder Tags aus dem Bild liest und an das Textfeld Freeboard Dashboard sendet. Cognitive Services umfasst den Computer Vision-Knoten.

Sie benötigen einen kostenlosen Abonnementschlüssel von Microsoft für den Computer Vision-Knoten.

www.microsoft.com/cognitive-services/en-US/subscriptions?mode=NewTrials

Der Dropbox-Knoten ist perfekt für dieses Projekt. Ich habe die Anleitung von Adafruit verwendet, die hier gefunden wurde:

learn.adafruit.com/diy-wifi-raspberry-pi-touch-cam?view=all

Scrollen Sie nach unten zu Dropbox-Setup. Dies sollte auf jedem Pi funktionieren und sie haben das Setup viel einfacher gemacht. Es führt Sie durch die Einrichtung einer Dropbox und die Eingabe der Schlüssel, die Sie für die Verbindung mit Dropbox benötigen. Dies ist das beste Tutorial, das ich gefunden habe. Aber um das Bild im Dashboard zu sehen, musste ich den Link für das Bild anpassen. Ich habe mich dafür entschieden, ein Dropbox-Tool namens Chooser zu verwenden, um einen direkten Link zu dem in Dropbox heruntergeladenen Bild zu erhalten. Ich behalte den gleichen Namen für das.jpg-Bild und es sollte das Dashboard aktualisieren, wenn ein neues Bild aufgenommen wird.

Um Ihren Node Red-Flow anzuzeigen, öffnen Sie einfach einen Browser. Ich mag Chrome und dies ist nur ein Beispiel für das Format:

192.168.1.1:1880

Schritt 5: DashBoard einrichten

Das FreeBoard Dashboard ist eine flexible und einfache Möglichkeit, die Daten sinnvoll zu visualisieren. Es sind zwei Datenquellen eingerichtet und jeder Datensatz mit einem "my-thing-name" versehen. Ich verbinde den ersten Dweetio-Knoten namens Machine Eye mit dem Fotoknoten. Dadurch wird die Kameranutzlast an die Cloud gesendet und wir können die Informationen auf dem Dashboard erfassen. Dies wird ein Textfeld sein.

Der zweite Dweetio-Knoten ist für das Sensor-Tag. Dieser Knoten ist mit dem Sensor-Tag verbunden und sendet die Nutzlast der Sensoren erneut an die Cloud und wird erneut erfasst. auf dem Armaturenbrett. Die Daten sind in Echtzeit. Ich habe einige Sensorfenster für diese Demo hinzugefügt.

Der Bildrahmen ist ein Bildbereich mit dem direkten Link zu Dropbox. Das Bild und die Beschreibung sollten sich jedes Mal ändern, wenn ein Bild aktiviert wird.

Das obige Bild ist eine Fotoaufnahme meiner Keramikkatze. Ich habe mich etwas verspätet für den Wettbewerb angemeldet und konnte die Kamera aufgrund unseres schrecklichen Wetters an der Atlantikküste Kanadas nicht nach draußen bringen. Niederschläge und kaltes Wetter werden meine Elektronik zerstören. Ich brauche auch meine Freunde und ihre besten Fellbabys, die für ein Fotoshooting vorbeikommen.