Оглавление:
- Шаг 1: Lixo, Um Problema Mundial
- Шаг 2: Por Que Separar O Lixo?
- Шаг 3: Выберите Solução?
- Шаг 4: Quais As Tecnologias Utilizadas?
- Шаг 5: Algoritmos E Códigos
- Шаг 6: Imagens Do Protótipo Em Construção. (Версии 1.0 E 2.0)
- Шаг 7: Autores Do Projeto
![Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 шагов Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 шагов](https://i.howwhatproduce.com/images/004/image-11537-j.webp)
Видео: Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 шагов
![Видео: Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 шагов Видео: Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 шагов](https://i.ytimg.com/vi/MlWp758f6Qk/hqdefault.jpg)
2024 Автор: John Day | [email protected]. Последнее изменение: 2024-01-30 11:49
![Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV](https://i.howwhatproduce.com/images/004/image-11537-1-j.webp)
Носса lixeira inteligente consiste na separação automática do lixo. Веб-камера Através de Uma, идентифицирующая типо ликсо и депозита, не имеет адекватного сравнения для задних конечностей.
Шаг 1: Lixo, Um Problema Mundial
![Lixo, Um Problema Mundial Lixo, Um Problema Mundial](https://i.howwhatproduce.com/images/004/image-11537-2-j.webp)
Um dos Principais issuesas encontrado no meio urbano, especialmente nas grandes cidades é o lixo sólido, resultado de uma sociedade que a cada dia consome mais.
Para ter uma noção mais ampa do проблема tomemos a cidade de São Paulo como exemplo, em media cada pessoa produz diariamente entre 800 ga 1 кг de lixo diário, ou de 4 a 6 litros de dejetos, por dia são gerados 15.000 toneladas de lix isso соответствует 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.
Шаг 2: Por Que Separar O Lixo?
![Por Que Separar O Lixo? Por Que Separar O Lixo?](https://i.howwhatproduce.com/images/004/image-11537-3-j.webp)
Com a separação dos lixos fica mais fácil e rápida a reciclagem do material..
Шаг 3: Выберите Solução?
![Qual a Solução? Qual a Solução?](https://i.howwhatproduce.com/images/004/image-11537-4-j.webp)
Nossa solução é uma Lixeira feita com materiais também recicláveis que analysis o tipo de lixo eo descarta no compareo correto. capaz de aprender e reconhecer o material do objeto descartado (papel, metal, plástico, vidro ou outros). Após a Detecção e classificação do objeto, um sinal é enviado para um motor que move uma esteira, posiciona no local Соответствующий e outro motor acionado para fazer o despejo.
Шаг 4: Quais As Tecnologias Utilizadas?
![Quais As Tecnologias Utilizadas? Quais As Tecnologias Utilizadas?](https://i.howwhatproduce.com/images/004/image-11537-5-j.webp)
Программное обеспечение:
- OpenCV
- Каскадный классификатор Хаара
- Python
- MRAA
- Linux (Debian)
Аппаратное обеспечение:
- Dragonboard 410c
- Мезонин на 96 человек
- Двигатели постоянного тока
- Драйвер мотора Ponte H L298N
- Fonte ATX 230 Вт
- Вебкамера
Шаг 5: Algoritmos E Códigos
![Algoritmos E Códigos Algoritmos E Códigos](https://i.howwhatproduce.com/images/004/image-11537-6-j.webp)
Часть 1 - OpenCV, статистика
Como o treinamento para reconhecer os 5 tipos de materiais descritos no Step 3 demoraria muito, decididor afunilar или проблема и обнаружение апенас латас и garrafas de plástico для сравнения прова до тщеславия. Essa Detecção ocorreu nos seguintes passos.
1 - Treinamento: Foram utilizadas 20 изображений divididas entre garrafas e latas
2 - Detecção:
2.1 - Конвертер изображений для HSV. Aumentar 'V' por um fator de 2 com o objetivo de ter features mais visíveis.
2.2 - Encontrar gradiente de Sobel nos eixos x e y.
2.3 - Вычислите величину com iguais pesos em ambas as direções.
2.4 - Применение метода Otsu na imagem detectada pela câmera..
2.5 - Aplicar Closing na imagem detectada pela câmera.
2.6 - Применение детектора борда Canny
2.7 - Calcula a transformada de linha de Hough
2.8 - Enquadrar bordas do objeto num retângulo.
2.9 - Checar proporção largura x altura para compareção com o banco de dados. Нет Banco estão armazenados diversos modelos positivos e negativos.
3 - Separação: Dado a saída da etapa anterior (garrafa ou lata), movemos a esteira (мотор) para o lado esquerdo или direito despejando o objeto e acendendo um LED para indicar que o processo ocorreu com sucesso.
3.1 - Разверните напряжение на плате DragonBoard с питанием 1,8 В от цифровых сигналов и драйверов для двигателей, требующих напряжения питания до минимального напряжения 5 В, и используйте его в качестве источника питания 12 В для ATX от 230 Вт.
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.
Замечания: Важное значение при работе с надстройками на мезонинной плате deve estar liberado no diretório / sys / class / gpio e que o código seja executado como root (sudo).
4 - Armazenamento de dados:
Эти данные как информация, обнаруживаемая в любых средах для установки в AWS IoT, включают в себя данные, необходимые для получения необходимых сведений. Essas dados são trocados использует протокол MQTT onde, возможно, envio e Recebimento de informações de forma twoirecional.
Шаг 6: Imagens Do Protótipo Em Construção. (Версии 1.0 E 2.0)
![Imagens Do Protótipo Em Construção. (Версии 1.0 E 2.0) Imagens Do Protótipo Em Construção. (Версии 1.0 E 2.0)](https://i.howwhatproduce.com/images/004/image-11537-7-j.webp)
![Imagens Do Protótipo Em Construção. (Версии 1.0 E 2.0) Imagens Do Protótipo Em Construção. (Версии 1.0 E 2.0)](https://i.howwhatproduce.com/images/004/image-11537-8-j.webp)
![Imagens Do Protótipo Em Construção. (Версии 1.0 E 2.0) Imagens Do Protótipo Em Construção. (Версии 1.0 E 2.0)](https://i.howwhatproduce.com/images/004/image-11537-9-j.webp)
Шаг 7: Autores Do Projeto
![Autores Do Projeto Autores Do Projeto](https://i.howwhatproduce.com/images/004/image-11537-10-j.webp)
Da esquerda pra direita: - Дэвид Карвалью - Лукас Азеведо - Родриго Алвес - Лариса Лагес - Маноэла Виейра - Бьянка Лиль - Андреа Дуке Градусиментос: Анджело Брито, Тьяго Пиньейру, Эйтор Араужу и другие люди, которые хотят изменить свое направление.
Рекомендуемые:
Сканер QR-кода с использованием OpenCV в Python: 7 шагов
![Сканер QR-кода с использованием OpenCV в Python: 7 шагов Сканер QR-кода с использованием OpenCV в Python: 7 шагов](https://i.howwhatproduce.com/images/001/image-2256-j.webp)
Сканер QR-кода с использованием OpenCV в Python: в современном мире мы видим, что QR-код и штрих-код используются практически везде, от упаковки продукта до онлайн-платежей, а теперь мы видим QR-коды даже в ресторане, чтобы увидеть меню. сомневаюсь, что сейчас это большая мысль. Но вы когда-нибудь задумывались
Vision 4all - Система Visão Assistida Para Deficientes Visuais Usando OpenCV, Dragonboard 410c E Aplicativo Android: 6 шагов
![Vision 4all - Система Visão Assistida Para Deficientes Visuais Usando OpenCV, Dragonboard 410c E Aplicativo Android: 6 шагов Vision 4all - Система Visão Assistida Para Deficientes Visuais Usando OpenCV, Dragonboard 410c E Aplicativo Android: 6 шагов](https://i.howwhatproduce.com/images/004/image-10674-j.webp)
Vision 4all - Система Visão Assistida Para Deficientes Visuais Usando OpenCV, Dragonboard 410c E Aplicativo Android: DESCRI Ç Ã OO intuito do projeto é Дар автономия для дефицита визуальных средств в помещении с локомотивом в помещениях с торговыми центрами и аэропортами. mapeados pode ou n ã o s
Распознавание звезд с помощью компьютерного зрения (OpenCV): 11 шагов (с изображениями)
![Распознавание звезд с помощью компьютерного зрения (OpenCV): 11 шагов (с изображениями) Распознавание звезд с помощью компьютерного зрения (OpenCV): 11 шагов (с изображениями)](https://i.howwhatproduce.com/images/007/image-18321-j.webp)
Распознавание звезд с использованием компьютерного зрения (OpenCV): в этом руководстве вы узнаете, как создать программу компьютерного зрения для автоматического определения звездных паттернов на изображении. Этот метод использует библиотеку OpenCV (компьютерное зрение с открытым исходным кодом) для создания набора обученных каскадов HAAR, которые могут быть
Базовые проекты OpenCV: 5 шагов
![Базовые проекты OpenCV: 5 шагов Базовые проекты OpenCV: 5 шагов](https://i.howwhatproduce.com/images/007/image-18326-j.webp)
Основные проекты OpenCV: в этом проекте мы исследуем некоторые базовые функции OpenCV с помощью 4 простых проектов, включающих поток видео в реальном времени. Это распознавание лиц, удаление фона, специальный визуальный рендеринг краев и применение эффекта размытия к живому видео
Обнаружение объектов с помощью Dragonboard 410c или 820c с использованием OpenCV и Tensorflow .: 4 шага
![Обнаружение объектов с помощью Dragonboard 410c или 820c с использованием OpenCV и Tensorflow .: 4 шага Обнаружение объектов с помощью Dragonboard 410c или 820c с использованием OpenCV и Tensorflow .: 4 шага](https://i.howwhatproduce.com/images/003/image-6246-2-j.webp)
Обнаружение объектов W / Dragonboard 410c или 820c с использованием OpenCV и Tensorflow. В этой инструкции описывается, как установить OpenCV, Tensorflow и фреймворки машинного обучения для Python 3.5 для запуска приложения Object Detection