MachineEye: 5 pasos

2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:40

He combinado el Texas Instrument Sensor Tag CC2650 con la cámara Raspberry Pi para desarrollar un tablero con información asombrosa. Cableé el proyecto usando IBM Node Red que viene instalado en la imagen de Raspberry Pi. La cámara envía datos a los servicios cognitivos de Microsoft para devolver una descripción de lo que ve la cámara. Estos datos pueden abrirse a un sinfín de aplicaciones. Mi ejemplo es uno simple que muestra las condiciones climáticas internas y una imagen con una descripción de lo que ve la cámara. I

Paso 1: hardware y software necesarios

Hardware

1. Raspberry Pi 3 (también puede usar Pi 2 o Pi modelo B)

2. Cámara Raspberry Pi

3. Etiqueta de sensor CC2650 de Texas Instruments

4. Tarjeta SD

Software

1. Raspbian Jessie con versión Pixel: marzo de 2017

www.raspberrypi.org/downloads/raspbian/

2. Putty: un terminal para programar su Pi

www.chiark.greenend.org.uk/~sgtatham/putty/

3. Nodo adicional para el nodo rojo

He detallado los nodos que se instalarán en el Pi en el Paso 3: Configurar Node Red.

Paso 2:

Paso 3: configurar el hardware

Estoy usando Raspberry Pi 3 y Sensor Tag CC2650 con 7 sensores. La Raspberry Pi 3 tiene WiFi y Bluetooth integrados, por lo que no necesitamos tantos dongles. Mi única llave es usar mi teclado y mouse inalámbricos. Puede utilizar el sitio web oficial de Raspberry Pi para descargar la imagen y poner en funcionamiento su Pi:

www.raspberrypi.org/products/raspberry-pi-3-model-b/

Solo es necesario retirar la tira de plástico de la etiqueta del sensor y debería estar lista para funcionar. Puedes encontrar más información aquí.

www.ti.com/ww/en/wireless_connectivity/sensortag/tearDown.html

La cámara Raspberry Pi también tiene numerosos blogs para ayudarlo a configurar la cámara:

www.raspberrypi.org/products/camera-module/

Este proyecto tiene la pantalla táctil de Adafruit. Esto es opcional y no es necesario para este proyecto.

Paso 4: Configurar el nodo rojo

Node Red es una herramienta fácil de usar que ya está instalada en la Raspberry Pi. Aquí se puede encontrar más información:

nodered.org/

El paso más importante aquí es actualizar su versión en la Pi:

sudo update-nodejs-and-node

Ahora verifique su versión. Estoy usando Putty para este proyecto como mi terminal.

npm -v

3.10.10

nodo -v

6.10.0

Ahora que su Node Red está actualizado, agregaremos algunos nodos para conectarnos a nuestra etiqueta de sensor y cámara Raspberry Pi. Todos los nodos deben instalarse en este directorio:

~ /.node-rojo

Empecemos !

npm instalar node-red-contrib-camerapi

npm instalar nodo-rojo-nodo-dweetio

npm instalar node-red-contrib-freeboard

npm instalar node-red-contrib-cognitiva-services

npm instalar node-red-node-sensortag

npm install node-red-node-dropbox

Esto llevará algún tiempo y, si recibe advertencias, debería estar bien. He incluido un nodo de inyección para tomar fotografías a intervalos definidos. Dweetio es para que el nodo Camera Vision lea la descripción o las etiquetas de la imagen y las envíe al cuadro de texto Freeboard Dash Board. Cognitive Services incluye el nodo Computer Vision.

Debe obtener una clave de suscripción gratuita de Microsoft para el nodo Computer Vision.

www.microsoft.com/cognitive-services/en-US/subscriptions?mode=NewTrials

El nodo de Dropbox es perfecto para este proyecto. Usé la guía de Adafruit que se encuentra aquí:

learn.adafruit.com/diy-wifi-raspberry-pi-touch-cam?view=all

Desplácese hacia abajo hasta Configuración de Dropbox. Esto debería funcionar en cualquier Pi y han simplificado mucho la configuración. Lo guiará para configurar un Dropbox y cómo ingresar las claves que necesita para conectarse a Dropbox. Este es el mejor tutorial que he encontrado. Pero para ver la imagen en el Panel de control, tuve que modificar el enlace de la imagen. Opté por usar una herramienta de Dropbox llamada Chooser para obtener un enlace directo a la imagen descargada en Dropbox. Mantendré el mismo nombre para la imagen-j.webp

Para ver su flujo de Node Red, simplemente abra un navegador. Me gusta Chrome y este es solo un ejemplo de formato:

192.168.1.1:1880

Paso 5: Configure el Tablero

FreeBoard Dashboard es una forma flexible y sencilla de visualizar los datos de forma significativa. Hay dos fuentes de datos configuradas y cada conjunto de datos tiene un "nombre-de-mi-cosa". Conecto el primer nodo dweetio llamado Machine Eye al nodo de la foto. Esto enviará la carga útil de la cámara a la nube y nos permitirá capturar la información en el tablero. Este será un cuadro de texto.

El segundo nodo de Dweetio es para la etiqueta del sensor. Este nodo está conectado a la etiqueta del sensor y nuevamente enviará la carga útil de los sensores a la nube y nuevamente será capturado. en el tablero. Los datos están en tiempo real. Agregué algunos paneles de sensores para esta demostración.

El cuadro de imagen es un panel de imagen con el enlace directo a Dropbox. La imagen y la descripción deben cambiar cada vez que se activa una imagen.

La imagen de arriba es una captura de fotos de mi gato de cerámica. Llegué un poco tarde a inscribirme en la competencia y debido a nuestro mal clima en la costa atlántica de Canadá no pude sacar la cámara afuera. Las precipitaciones y el clima frío acabarán con mis dispositivos electrónicos. También necesito que mis amigos y sus mejores bebés peludos vengan para una sesión de fotos.