Inhaltsverzeichnis:
- Schritt 1: Hardware: Schaltungsdesign
- Schritt 2: Hardware: 3D-Druck
- Schritt 3: Hardware: Laserschneiden
- Schritt 4: Software: Datenerfassung
- Schritt 5: Software: Training des gesammelten Datensatzes
- Schritt 6: Software: Vorhersage der Klassen
Video: Geräteerkennung in Echtzeit mithilfe von EM-Footprints - Gunook
2024 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2024-01-30 07:16
Dieses Gerät soll verschiedene elektronische Geräte nach ihren EM-Signalen klassifizieren. Für verschiedene Geräte haben sie unterschiedliche EM-Signale. Wir haben eine IoT-Lösung entwickelt, um die elektronischen Geräte mit dem Particle Photon-Kit zu identifizieren. Unser tragbares Gerät kann am Handgelenk getragen werden und verfügt über eine kompakte Verbindung des Partikelphotons mit einem OLED-Display und eine Schaltungsverbindung vom Partikelphoton zur im Kit enthaltenen Antenne.
Dieses Gerät kann weiter integriert werden, um die elektronischen Geräte zu steuern und sie als "Smart Devices" mit der gesamten Open-Source-Software zu machen, so dass Sie es steuern, auch ändern oder die Fähigkeiten dieses Geräts verbessern können.
Schritt 1: Hardware: Schaltungsdesign
Komponenten: (aus Particle Maker Kit)
Sie können das Kit auf verschiedenen Online-Websites kaufen.
-- Amazon-Website
-- Partikel-Website
-- Adafruit-Website
- Particle Photon Development Board
- Widerstände x 3 -- 1 Megaohm
- 3-5V 0,96" SPI Serial 128X64 OLED LCD-Display
- Antenne (um die EM-Messwerte/Footprints zu erhalten)
Schritt 2: Hardware: 3D-Druck
- Wir haben unser Armband-Zifferblatt mit einem 3D-Drucker entworfen.
- Das 3D-Modell wurde in der Shapr3D-Anwendung mit iPad Pro entworfen.
- stl-Datei des 3D-Modells wurde importiert und in die Qidi-Software übertragen, da wir den X-one-2 Qidi Tech-Drucker verwendeten.
- Der 3D-Drucker brauchte ungefähr 30 Minuten, um das Modell zu drucken.
- Link zur stl-Datei.
Schritt 3: Hardware: Laserschneiden
- Wir haben das Armbandmuster mit Adobe Illustrator entworfen.
- Das entworfene Modell wurde dann an eine Universal Laser-Maschine exportiert, wo wir das Holz zu einem flexiblen Armband schneiden.
- Link zur SVG-Datei.
Schritt 4: Software: Datenerfassung
-
Veröffentlichung von 3 x 100 Datenwerten mit Photon für jede mögliche Instanz.
- Schreiben der Daten von Photon in data.json im Knotenserver.
- Analysieren der Daten vom Knotenserver zu MATLAB.
- Die an MATLAB gesendeten Daten haben das Format 1 x 300.
Schritt 5: Software: Training des gesammelten Datensatzes
- Blöcke von 1 x 300 - Feed an MATLAB. (für jedes Gerät 27 gesammelte Proben) 27 x 300 gesammelte Daten.
- Features zu den Daten hinzugefügt - (5 Features) - Mittelwert, Median, Standardabweichung, Schiefe, Kurtosis.
- Einlernen der Daten in die MATLAB-Klassifizierungs-Toolbox
- Testen von Offline-Daten (6 x 6) in derselben Toolbox
Schritt 6: Software: Vorhersage der Klassen
Vorhersage
Abrufen der Live-Daten mit Photonen
Senden der Rohdaten an den Knotenserver. (Daten in data.json-Datei gespeichert)
MATLAB-Skript zum Lesen der Daten aus der Datei data.json und Vorhersage des Ergebnisses
Empfohlen:
Löten von oberflächenmontierbaren Komponenten - Lötgrundlagen: 9 Schritte (mit Bildern)
Löten von oberflächenmontierbaren Komponenten | Lötgrundlagen: Bisher habe ich in meiner Lötgrundlagen-Serie genug Grundlagen zum Löten besprochen, damit Sie mit dem Üben beginnen können. In diesem Instructable, was ich besprechen werde, ist etwas fortgeschrittener, aber es sind einige der Grundlagen zum Löten von Surface Mount Compo
Durchlöten von Komponenten - Lötgrundlagen: 8 Schritte (mit Bildern)
Löten von Durchgangslochkomponenten | Lötgrundlagen: In diesem Instructable werde ich einige Grundlagen zum Löten von Durchgangslochkomponenten auf Leiterplatten diskutieren. Ich gehe davon aus, dass Sie bereits die ersten 2 Instructables für meine Lötgrundlagen-Serie ausgecheckt haben. Wenn Sie nicht in meinem In
MicroPython-Programm: Aktualisieren Sie die Daten der Coronavirus-Krankheit (COVID-19) in Echtzeit – wikiHow
MicroPython-Programm: Daten zur Coronavirus-Krankheit (COVID-19) in Echtzeit aktualisieren: In den letzten Wochen hat die Zahl der bestätigten Fälle der Coronavirus-Krankheit (COVID 19) weltweit 100.000 überschritten, und die Weltgesundheitsorganisation (WHO) hat die Der neue Ausbruch einer Coronavirus-Pneumonie soll eine globale Pandemie sein. Ich war sehr
MyPhotometrics - Gandalf: Leistungsmessgerät Zur Messung Von Lasern Im Sichtbaren Bereich Auf Basis Von "Sauron": 8 Schritte
MyPhotometrics - Gandalf: Leistungsmessgerät Zur Messung Von Lasern Im Sichtbaren Bereich Auf Basis Von "Sauron": Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz. Eine für Menschen lesbare Zusammenfassung dieser Lizenz findet sich hier.Was ist Gandalf?Gandalf ist eine Stand-A
Gesichtserkennung in Echtzeit: ein End-to-End-Projekt – wikiHow
Echtzeit-Gesichtserkennung: ein End-to-End-Projekt: In meinem letzten Tutorial zur Erkundung von OpenCV haben wir AUTOMATIC VISION OBJECT TRACKING gelernt. Jetzt werden wir unsere PiCam verwenden, um Gesichter in Echtzeit zu erkennen, wie Sie unten sehen können: Dieses Projekt wurde mit dieser fantastischen "Open Source Computer Vision Library&qu