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

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

Una nossa lixeira inteligente consiste en una separación automática del lixo. Através de uma webcam, ela identifica o tipo de lixo e o deposita no compartimento adequado para luego ser reciclado.

Paso 1: Lixo, Um Problema Mundial

Um dos principales problemas encontró 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, 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 corresponde a 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.

Paso 2: ¿Por Que Separar O Lixo?

Com a separação dos lixos fica mais fácil e rápida a reciclagem do material..

Paso 3: Qual a 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. 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 adequado e outro motor é acionado para fazer o despejo.

Paso 4: ¿Cuáles son las tecnologías utilizadas?

Software:

- OpenCV

- Clasificador en cascada Haar

- Python

- MRAA

- Linux (Debian)

Hardware:

- Dragonboard 410c

- Entrepiso 96board

- Motores DC

- Conductor Motor Ponte H L298N

- Fuente ATX 230W

- Cámara web

Paso 5: Algoritmos E Códigos

Parte 1 - OpenCV, Estadística

Como o treinamento para reconhecer os 5 tipos de materiais descritos en Step 3 demoraria muito, decididor afunilar o problem e detect apenas latas e garrafas de plástico para comprovar a prova do conceito. Essa detecção ocorreu nos seguintes passos.

1 - Treinamento: Foram utilizado 20 imágenes divididas entre garrafas e latas

2 - Detección:

2.1 - Conversor de imágenes para o espaço de cor 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 - Computar una magnitud com iguais pesos em ambas as direções.

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

2.5 - Aplicar Closing na imagem detectada pela câmera.

2.6 - Aplicar o detector de bordas Canny

2.7 - Calcula una transformada de linha de Hough

2.8 - Enquadrar bordas do objeto num retângulo.

2.9 - Checar proporção largura x altura para comparação com o banco de datos. No 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 proceso ocorreu com sucesso.

3.1 - Devido a tensão de saída da DragonBoard ser de solo 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.

Obs.: 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 ejecutado como root (sudo).

4 - Armazenamento de datos:

Todas las informaciones detectadas son enviadas para una instância de AWS IoT y los datos pueden ser accesados a personas pessoas competentes y tomar acciones necesarias. Essas dados são trocados utilizando el protocolo MQTT sobre la posibilidad de envio y recebimento de informações de forma bidirecional.

Paso 6: Imagens Do Protótipo Em Construção. (Versões 1.0 E 2.0)

Paso 7: Autores Do Projeto

Da esquerda pra direita: - David Carvalho- Lucas Azevedo- Rodrigo Alves- Larissa Lages- Manoela Vieira- Bianca Lisle- Andréa Duque Agradecimientos: Angelo Brito, Thiago Pinheiro, Heitor Araújo e à todos que nos ajudaram diretamente e indirectamente.