Colec.te - Lixeira Inteligente Qualcomm Dragonboard 410c + OpenCV: 7 Langkah

2024 Pengarang: John Day | [email protected]. Diubah suai terakhir: 2024-01-30 11:07

Nossa lixeira inteligente terdiri daripada separação automática do lixo. Através de uma webcam, ela identifica o tipo de lixo e o deposita no compartimentoukupado para posteriormente ser reciclado.

Langkah 1: Lixo, Um Problema Mundial

Um dos Principais problemas 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 ampla do problema tomemos a cidade de São Paulo como exemplo, emédia 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, penerbit 3.750 caminhões carregados diariamente. Em um ano esses caminhões enfileirados cobririam o trajeto membuat cidade de São Paulo e Nova Iorque, ida e volta.

Langkah 2: Oleh Que Separar O Lixo?

Com a separação dos lixos fica mais fácil e rápida a reciclagem do material. Reciclagem reduz thinkavelmente os casos de doenças e mortes devido às enchentes e acúmulo de lixo em locais urbanos, dimui impactos sobre o meio ambiente euda.

Langkah 3: Berkelayakan 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 emagna a la num a nm a nm a nm a nm a ntom a ntom capaz de aprender e reconhecer o material do objeto descartado (papel, metal, plástico, vidro ou outros). Aps detecção e classificação do objeto, um sinal é enviado para um motor que move uma esteira, posiciona tidak ada lokal yang mencukupi dan motor luar acionado para fazer o despejo.

Langkah 4: Quais Sebagai Tecnologias Utilizadas?

Perisian:

- OpenCV

- Pengelaskan lata lata

- Python

- MRAA

- Linux (Debian)

Perkakasan:

- Dragonboard 410c

- Mezzanine 96board

- Motor DC

- Pemandu Motor Ponte H L298N

- Fonte ATX 230W

- Kamera Web

Langkah 5: Algoritmos E Códigos

Bahagian 1 - OpenCV, Statistik

Como o treinamento para reconhecer os 5 tipos de materiais descritos no Langkah 3 demoraria muito, decididor afunilar o problema e detar apenas latas e garrafas de plástico para comprovar a prova do conceito. Essa detecção ocorreu nos seguintes passos.

1 - Treinamento: Foram utilizadas 20 membayangkan divididas entre garrafas e latas

2 - Detecção:

2.1 - Imej penukar untuk o espaço de cor HSV. Aumentar 'V' por um fator de 2 com o objetivo de ter menampilkan mais visíveis.

2.2 - Encontrar gradiente de Sobel nos eixos x e y.

2.3 - Komputasi komisiti besar peso em ambas sebagai arahan.

2.4 - Aplicar o método de Otsu na imagem detectada pela câmera..

2.5 - Penutupan Aplicar na imagem detectada pela câmera.

2.6 - Aplicar o detector de bordas Canny

2.7 - Calcula a transformada de linha de Hough

2.8 - Enquadrar bordas melakukan objeto num retângulo.

2.9 - Checar proporção largeura x altura para comparação com o banco de dados. Tiada 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 driver 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 sebagai arahan.

Pemerhatian: É importante deixar claro que o mapeamentos dos pinos da mezzanine board deve estar liberado no diretório / sys / class / gpio e que o código seja executado root como (sudo).

4 - Armazenamento de dados:

Todas as informações detadas são enviadas para uma instância da AWS IoT onde os dados podem ser acessados pelas pessoas kompeten e tomar ações requárias. Essas dados são trocados utilizando o protocolo MQTT onde é possível o envio e recebimento de informações de forma bidirecional.

Langkah 6: Imagens Do Protótipo Em Construção. (Ayat 1.0 E 2.0)

Langkah 7: Autores Do Projeto

Da esquerda pra direita: - 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 eret.