Оглавление:
- Шаг 1. Аппаратное обеспечение: схемотехника
- Шаг 2: Оборудование: 3D-печать
- Шаг 3: Оборудование: лазерная резка
- Шаг 4. Программное обеспечение: сбор данных
- Шаг 5. Программное обеспечение: обучение собранного набора данных
- Шаг 6. Программное обеспечение: прогнозирование классов
![Распознавание устройств в реальном времени с использованием отпечатков ЭМ: 6 шагов Распознавание устройств в реальном времени с использованием отпечатков ЭМ: 6 шагов](https://i.howwhatproduce.com/images/005/image-14072-j.webp)
Видео: Распознавание устройств в реальном времени с использованием отпечатков ЭМ: 6 шагов
![Видео: Распознавание устройств в реальном времени с использованием отпечатков ЭМ: 6 шагов Видео: Распознавание устройств в реальном времени с использованием отпечатков ЭМ: 6 шагов](https://i.ytimg.com/vi/0tPBoSa3lAo/hqdefault.jpg)
2024 Автор: John Day | [email protected]. Последнее изменение: 2024-01-30 11:49
![Распознавание устройств в реальном времени с использованием отпечатков ЭМ Распознавание устройств в реальном времени с использованием отпечатков ЭМ](https://i.howwhatproduce.com/images/005/image-14072-1-j.webp)
![Распознавание устройств в реальном времени с использованием отпечатков ЭМ Распознавание устройств в реальном времени с использованием отпечатков ЭМ](https://i.howwhatproduce.com/images/005/image-14072-2-j.webp)
Это устройство предназначено для классификации различных электронных устройств по их электромагнитным сигналам. Для разных устройств они испускают разные электромагнитные сигналы. Мы разработали IoT-решение для идентификации электронных устройств с помощью набора Particle Photon. Наше носимое устройство можно носить на запястье, которое имеет компактное соединение фотона частицы с OLED-дисплеем и схему подключения фотона частицы к антенне, входящей в комплект.
Это устройство может быть дополнительно интегрировано для управления электронными устройствами и превращения их в «интеллектуальные устройства» со всем программным обеспечением с открытым исходным кодом, чтобы вы могли управлять им, а также изменять или улучшать возможности этого устройства.
Шаг 1. Аппаратное обеспечение: схемотехника
![Аппаратное обеспечение: схемотехника Аппаратное обеспечение: схемотехника](https://i.howwhatproduce.com/images/005/image-14072-3-j.webp)
![Аппаратное обеспечение: схемотехника Аппаратное обеспечение: схемотехника](https://i.howwhatproduce.com/images/005/image-14072-4-j.webp)
![Аппаратное обеспечение: схемотехника Аппаратное обеспечение: схемотехника](https://i.howwhatproduce.com/images/005/image-14072-5-j.webp)
![Аппаратное обеспечение: схемотехника Аппаратное обеспечение: схемотехника](https://i.howwhatproduce.com/images/005/image-14072-6-j.webp)
Компоненты: (из набора Particle Maker)
Вы можете приобрести комплект на различных интернет-сайтах.
- Веб-сайт Amazon
- Веб-сайт частиц
- Веб-сайт Adafruit
- Совет по развитию фотонов частиц
- Резисторы x 3 - 1 МОм
- 3–5 В, 0,96-дюймовый ЖК-дисплей OLED с последовательным интерфейсом 128X64, SPI
- Антенна (для получения показаний / отпечатков ЭМ)
Шаг 2: Оборудование: 3D-печать
![Оборудование: 3D-печать Оборудование: 3D-печать](https://i.howwhatproduce.com/images/005/image-14072-7-j.webp)
![Оборудование: 3D-печать Оборудование: 3D-печать](https://i.howwhatproduce.com/images/005/image-14072-8-j.webp)
![Оборудование: 3D-печать Оборудование: 3D-печать](https://i.howwhatproduce.com/images/005/image-14072-9-j.webp)
- Мы разработали циферблат на запястье с помощью 3D-принтера.
- 3D-модель была создана в приложении Shapr3D на iPad Pro.
- stl 3D-модели был импортирован и загружен в программное обеспечение Qidi, поскольку мы использовали принтер X-one-2 Qidi Tech.
- На печать модели на 3D-принтере ушло около 30 минут.
- ссылка на stl файл.
Шаг 3: Оборудование: лазерная резка
- Выкройку браслета мы разработали с помощью Adobe Illustrator.
- Разработанная модель была затем экспортирована на универсальный лазерный станок, где мы вырезали из дерева гибкий браслет.
- ссылка на файл svg.
Шаг 4. Программное обеспечение: сбор данных
-
Используя Photon, каждый возможный экземпляр публикует значение данных 3 x 100.
- Запись данных из Photon в data.json на сервере узла.
- Анализ данных с сервера узла в MATLAB.
- Данные, отправляемые в MATLAB, имеют вид 1 x 300.
Шаг 5. Программное обеспечение: обучение собранного набора данных
- Куски размером 1 x 300 - подача в MATLAB. (Для каждого устройства собрано 27 образцов) 27 x 300 собранных данных.
- Добавлены функции к данным - (5 функций) - среднее значение, медиана, стандартное отклонение, асимметрия, эксцесс.
- Обучение данных в инструментарии классификации MATLAB
- Тестирование автономных данных (6 x 6) в том же наборе инструментов
Шаг 6. Программное обеспечение: прогнозирование классов
Прогноз
Получение данных в реальном времени с помощью фотона
Отправка необработанных данных на сервер узла. (данные сохранены в файле data.json)
Сценарий MATLAB для чтения данных из файла data.json и прогнозирования результата
Рекомендуемые:
Решающая программа для куба Рубика вслепую в реальном времени с использованием Raspberry Pi и OpenCV: 4 шага
![Решающая программа для куба Рубика вслепую в реальном времени с использованием Raspberry Pi и OpenCV: 4 шага Решающая программа для куба Рубика вслепую в реальном времени с использованием Raspberry Pi и OpenCV: 4 шага](https://i.howwhatproduce.com/images/001/image-192-17-j.webp)
Кубик Рубика «вслепую» в реальном времени с использованием Raspberry Pi и OpenCV: это вторая версия кубика Рубика, предназначенная для решения «вслепую». Первая версия была разработана с помощью javascript, вы можете увидеть проект RubiksCubeBlindfolded1В отличие от предыдущей, эта версия использует библиотеку OpenCV для определения цветов и е
Построение графика данных датчика температуры в реальном времени (TMP006) с использованием MSP432 LaunchPad и Python: 9 шагов
![Построение графика данных датчика температуры в реальном времени (TMP006) с использованием MSP432 LaunchPad и Python: 9 шагов Построение графика данных датчика температуры в реальном времени (TMP006) с использованием MSP432 LaunchPad и Python: 9 шагов](https://i.howwhatproduce.com/images/005/image-13891-j.webp)
Построение графика данных датчика температуры в реальном времени (TMP006) с использованием MSP432 LaunchPad и Python: TMP006 - это датчик температуры, который измеряет температуру объекта без необходимости соприкасаться с ним. В этом руководстве мы построим график данных температуры в реальном времени из BoosterPack (TI BOOSTXL-EDUMKII) с использованием Python
Список дел в реальном времени с использованием Google Firebase: 12 шагов
![Список дел в реальном времени с использованием Google Firebase: 12 шагов Список дел в реальном времени с использованием Google Firebase: 12 шагов](https://i.howwhatproduce.com/images/001/image-2507-105-j.webp)
Список дел в реальном времени с помощью Google Firebase: привет! Мы все используем списки дел ежедневно, будь то онлайн или офлайн. В то время как автономные списки склонны теряться, а виртуальные списки могут быть потеряны, случайно удалены или даже забыты. Поэтому мы решили сделать его в Google Firebase
Распознавание лиц в реальном времени: комплексный проект: 8 шагов (с изображениями)
![Распознавание лиц в реальном времени: комплексный проект: 8 шагов (с изображениями) Распознавание лиц в реальном времени: комплексный проект: 8 шагов (с изображениями)](https://i.howwhatproduce.com/images/002/image-4873-66-j.webp)
Распознавание лиц в реальном времени: сквозной проект: в моем последнем руководстве по OpenCV мы изучили АВТОМАТИЧЕСКОЕ ОТСЛЕЖИВАНИЕ ОБЪЕКТОВ ВИДЕНИЯ. Теперь мы будем использовать нашу PiCam для распознавания лиц в режиме реального времени, как вы можете видеть ниже: Этот проект был выполнен с помощью этой фантастической «Библиотеки компьютерного зрения с открытым исходным кодом»
Распознавание лиц + распознавание: 8 шагов (с изображениями)
![Распознавание лиц + распознавание: 8 шагов (с изображениями) Распознавание лиц + распознавание: 8 шагов (с изображениями)](https://i.howwhatproduce.com/images/001/image-619-124-j.webp)
Обнаружение лиц + распознавание: это простой пример запуска обнаружения и распознавания лиц с помощью OpenCV с камеры. ПРИМЕЧАНИЕ: Я СОЗДАЛ ДАННЫЙ ПРОЕКТ ДЛЯ КОНКУРСА СЕНСОРОВ И ИСПОЛЬЗОВАЛ КАМЕРУ В КАЧЕСТВЕ СЕНСОРА ДЛЯ ОТСЛЕЖИВАНИЯ И РАСПОЗНАВАНИЯ ЛИЦ. Итак, наша цель В этом сеансе: 1. Установить Anaconda