Cov txheej txheem:
- Kauj Ruam 1: Lixo, Um Problema Mundial
- Kauj Ruam 2: Puas Yog Que Separar O Lixo?
- Kauj Ruam 3: Puas yog Solução?
- Kauj Ruam 4: Quais Raws Li Tecnologias Utilizadas?
- Kauj Ruam 5: Algoritmos E Códigos
- Kauj Ruam 6: Cov Duab Ua Haujlwm Protótipo Em Construção. (Nqe 1.0 E 2.0)
- Kauj Ruam 7: Autores Do Projeto
Video: Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 Kauj Ruam
2024 Tus sau: John Day | [email protected]. Kawg hloov kho: 2024-01-30 09:25
Nossa lixeira inteligente suav nrog kev sib cais automática rau lixo. Através de uma webcam, ela identifica o tipo de lixo e o deposita no compartimento adequado para posteriormente ser reciclado.
Kauj Ruam 1: Lixo, Um Problema Mundial
Um dos tus thawj tswj hwm teeb meem encontrado no meio urbano, tshwj xeeb tshaj yog 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 produz 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 sib thooj 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.
Kauj Ruam 2: Puas Yog Que Separar O Lixo?
Com separação dos lixos fica mais fácil e rápida a reciclagem ua cov ntaub ntawv. Reciclagem reduz txiav txim siab li cas casos de doenças e mortes devido ens enchentes e acúmulo de lixo em locais urbanos, diminui impactos sobre o meio ambiente e ajuda.
Kauj Ruam 3: Puas yog Solução?
Nossa solução é uma Lixeira feita com materiais também recicláveis que analisa o tipo de lixo eo descarta no compartimento correto. O reconhecimento é através de uma câmera que utiliza um banco de dados de imagens e formas.há nelam como de amére de como capaz de aprender e reconhecer o cov ntaub ntawv ua objeto descartado (papel, hlau, plástico, vidro ou outros). acionado rau fazer lossis despejo.
Kauj Ruam 4: Quais Raws Li Tecnologias Utilizadas?
Software:
- Qhib CV
- Haar cascade classifier
- Nab hab sej
- MRA
- Linux (Debian)
Kho vajtse:
Dragonboard 410c
- 96 lub rooj mezzanine
- Cov Motors DC
- Tsav Tsheb Ponte H L298N
Fonte ATX 230W
- Webcam
Kauj Ruam 5: Algoritmos E Códigos
Ntu 1 - OpenCV, Txheeb cais
Como o treinamento para reconhecer os 5 tipos de materiais descritos tsis Kauj Ruam 3 demoraria muito, decididor afunilar o o problema e detectar apenas latas e garrafas de plástico para comprovar a prova do conceito. Essa detecção ocorreu nos seguintes passos.
1 - Cov ntsiab lus: Ua kom siv cov duab 20 cov duab sib faib rau cov duab thiab cov duab
2 - Ua tiav:
2.1 - Hloov cov duab xa mus rau espaço de cor HSV. Aumentar 'V' por um fator de 2 com o objetivo de ter nta mais visíveis.
2.2 - Encontrar gradiente de Sobel nos eixos x e y.
2.3 - Txheeb xyuas qhov loj ntawm com iguais pesos em ambas as direções.
2.4 - Aplicar o método de Otsu na imagem detectada pela câmera.
2.5 - Aplicar Kaw nrog cov duab pom hauv pela câmera.
2.6 - Aplicar o detector de bordas Canny
2.7 - Xeem hloov pauv ntawm linha de Hough
2.8 - Txheeb cais cov ntaub ntawv ua objeto tus lej retângulo.
2.9 - Checar proporção largura x altura para comparação com o banco de dados. Tsis muaj banco estão armazenados diversos modelos positivos e negativos.
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 sucesso.
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 para mapear os dois polos do motor em pinos de entrada na mezzanine board para podermos girar a esteira em ambas as direções.
Pom: É tseem ceeb deixar claro que o mapeamentos dos pinos da mezzanine board deve estar liberado no diretório/sys/class/gpio e que o código seja executado como root (sudo).
4 - Armazenamento de dados:
Todas as informações detectadas são enviadas para uma instância da AWS IoT onde os dados podem ser acessados pelas pessoas competentes e tomar ações necessárias. Essas dados são trocados utilizando o protocolo MQTT onde é possível o envio e recebimento de informações de forma bidirecional.
Kauj Ruam 6: Cov Duab Ua Haujlwm Protótipo Em Construção. (Nqe 1.0 E 2.0)
Kauj Ruam 7: Autores Do Projeto
Qhov tseem ceeb tshaj plaws:- 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 indire.
Pom zoo:
QR Code Scanner Siv OpenCV hauv Python: 7 Kauj Ruam
QR Code Scanner Siv OpenCV hauv Python: Hauv ntiaj teb niaj hnub no peb pom QR code thiab Bar code tau siv yuav luag txhua qhov chaw los ntawm cov khoom ntim khoom mus rau Kev Them Nyiaj Online thiab tam sim no-ib-hnub peb pom QR cov lej txawm tias hauv tsev noj mov kom pom cov ntawv qhia zaub mov. tsis ntseeg tias nws yog qhov kev xav loj tam sim no. Tab sis koj puas tau muaj
Lub Sijhawm Rubik Lub Cube Lub Qhov Muag Tsis Pom Kev Siv Raspberry Pi thiab OpenCV: 4 Cov Kauj Ruam
Lub Sij Hawm Rubik Lub Cube Lub Qhov Muag Tsis Pom Kev Siv Raspberry Pi thiab OpenCV: Nov yog qhov thib ob ntawm Rubik lub voos xwmfab cuab yeej ua rau daws qhov muag qhov muag. Qhov thib 1 tau tsim los ntawm javascript, koj tuaj yeem pom qhov project RubiksCubeBlindfolded1 Tsis zoo li yav dhau los, cov ntawv no siv OpenCV lub tsev qiv ntawv txhawm rau txheeb xyuas cov xim thiab
Lub Zeem Muag 4all - System Visão Assistida Para Deficientes Visuais Usando OpenCV, Dragonboard 410c E Aplicativo Android: 6 Cov Kauj Ruam
Lub Zeem Muag 4all - Qhov System 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 sab hauv tsev como casas lossis koj cov chaw yuav khoom e aeroportos.A. locomo ç ã o em ambientes j á mapeados pode ou n ã o s
Kev Ua Duab Nrog Raspberry Pi: Txhim Kho OpenCV & Duab Sib cais Xim: 4 Kauj Ruam
Kev Ua Duab Nrog Raspberry Pi: Txhim Kho OpenCV & Kev Sib cais Xim Duab: Cov ntawv no yog thawj ntawm ob peb daim duab ua cov ntawv qhia uas yuav tsum ua raws. Peb ua tib zoo saib cov pixels uas tsim cov duab, kawm yuav ua li cas rau nruab OpenCV ntawm Raspberry Pi thiab peb tseem sau cov ntawv xeem los ntes cov duab thiab tseem
Kev Tshawb Nrhiav Lub Hom Phiaj W/ Dragonboard 410c lossis 820c Siv OpenCV thiab Tensorflow: 4 Kauj Ruam
Kev Tshawb Nrhiav Lub Hom Phiaj W/ Dragonboard 410c lossis 820c Siv OpenCV thiab Tensorflow.: Cov lus qhia no piav qhia yuav ua li cas rau nruab OpenCV, Tensorflow, thiab tshuab kev kawm ua haujlwm rau Python 3.5 kom ua tiav Daim Ntawv Thov Kev Tshawb Fawb