Tabla de contenido:
- Paso 1: Hardware: diseño de circuitos
- Paso 2: Hardware: Impresión 3D
- Paso 3: Hardware: corte por láser
- Paso 4: Software: recopilación de datos
- Paso 5: Software: entrenamiento del conjunto de datos recopilados
- Paso 6: Software: predecir las clases
Video: Reconocimiento de dispositivos en tiempo real mediante huellas EM: 6 pasos
2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:40
Este dispositivo está destinado a clasificar diferentes dispositivos electrónicos según sus señales EM. Para diferentes dispositivos, tienen diferentes señales EM emitidas por él. Hemos desarrollado una solución de IoT para identificar los dispositivos electrónicos utilizando el kit Particle Photon. Nuestro dispositivo portátil se puede usar en la muñeca que tiene una conexión compacta de fotón de partículas con una pantalla OLED y una conexión de circuito desde el fotón de partículas a la antena proporcionada en el kit.
Este dispositivo se puede integrar aún más para controlar los dispositivos electrónicos y convertirlos en "dispositivos inteligentes" con todo el software de código abierto, para que usted pueda controlarlo, también modificar o mejorar la capacidad de este dispositivo.
Paso 1: Hardware: diseño de circuitos
Componentes: (del kit Particle Maker)
Puede comprar el kit en varios sitios web en línea.
- Sitio web de Amazon
- Sitio web de partículas
- Sitio web de Adafruit
- Placa de desarrollo de fotones de partículas
- Resistencias x 3 - 1 megaohmio
- Pantalla LCD OLED serie 128X64 SPI de 3-5V 0.96"
- Antena (para obtener las lecturas / huellas de EM)
Paso 2: Hardware: Impresión 3D
- Diseñamos nuestro dial de pulsera con una impresora 3D.
- El modelo 3D fue diseñado en la aplicación Shapr3D usando iPad Pro.
- stl del modelo 3D se importó y se insertó en el software Qidi ya que estábamos usando la impresora X-one-2 Qidi Tech.
- La impresora 3D tardó aproximadamente 30 minutos en imprimir el modelo.
- enlace al archivo stl.
Paso 3: Hardware: corte por láser
- Diseñamos el patrón de la muñequera con Adobe Illustrator.
- El modelo diseñado luego se exportó a la máquina Universal Laser donde cortamos la madera a una muñequera flexible.
- enlace al archivo svg.
Paso 4: Software: recopilación de datos
-
Usando Photon, la publicación de datos de 3 x 100 valora cada instancia posible.
- Escribiendo los datos de Photon a data.json en el servidor de nodos.
- Analizando los datos del servidor de nodos a MATLAB.
- Los datos enviados a MATLAB tienen el formato 1 x 300.
Paso 5: Software: entrenamiento del conjunto de datos recopilados
- Trozos de 1 x 300: alimentación a MATLAB (para cada dispositivo, 27 muestras recolectadas) 27 x 300 datos recolectados.
- Se agregaron características a los datos - (5 características) - media, mediana, desviación estándar, sesgo, curtosis.
- Entrenamiento de los datos en la caja de herramientas de clasificación de MATLAB
- Prueba de datos sin conexión (6 x 6) en la misma caja de herramientas
Paso 6: Software: predecir las clases
Predicción
Obteniendo los datos en vivo usando fotones
Envío de los datos sin procesar al servidor del nodo. (datos guardados en el archivo data.json)
Script MATLAB para leer los datos del archivo data.json y predecir el resultado
Recomendado:
Tutorial: Cómo controla Arduino varios dispositivos con la misma dirección mediante el multiplexor TCA9548A I2C: 3 pasos
Tutorial: Cómo Arduino controla varios dispositivos con la misma dirección mediante el multiplexor TCA9548A I2C: Descripción: El módulo multiplexor TCA9548A I2C permite conectar dispositivos con la misma dirección I2C (hasta 8 con la misma dirección I2C) conectados a un microcontrolador. El multiplexor actúa como un guardián, enviando los comandos al conjunto seleccionado o
Configuración del DS3231 RTC (reloj en tiempo real) de forma precisa, rápida y automatizada mediante Java (+ -1 s): 3 pasos
Configuración del DS3231 RTC (reloj en tiempo real) de manera precisa, rápida y automatizada usando Java (+ -1s): este Instructable le mostrará cómo configurar la hora en un reloj en tiempo real DS3231 usando un Arduino y una pequeña aplicación Java que usa la conexión serial del Arduino. La lógica básica de este programa: 1. El Arduino envía una solicitud en serie
Mejore la seguridad de los discos duros mediante Arduino y sensor de huellas dactilares: 6 pasos
Mejore la seguridad de los discos duros con Arduino y sensor de huellas dactilares: en este artículo queremos mostrarle cómo mejorar la seguridad de sus datos digitales almacenados en un disco duro mediante un sensor de huellas dactilares y Arduino. Al final de este artículo, usted: Aprenderá a usar el sensor de huellas dactilares. Hará un complemento de seguridad en f
Uso del sensor de huellas dactilares para el tiempo de asistencia en combinación con la solución XAMP: 6 pasos (con imágenes)
Uso del sensor de huellas dactilares para el tiempo de asistencia en combinación con la solución XAMP: para un proyecto escolar, buscábamos una solución sobre cómo realizar un seguimiento de la asistencia de los estudiantes. Muchos de nuestros estudiantes llegan tarde. Es un trabajo tedioso comprobar su presencia. Por otro lado, hay mucha discusión porque los estudiantes a menudo dirán
Reconocimiento facial en tiempo real: un proyecto de principio a fin: 8 pasos (con imágenes)
Reconocimiento facial en tiempo real: un proyecto de extremo a extremo: en mi último tutorial sobre OpenCV, aprendimos SEGUIMIENTO AUTOMÁTICO DE OBJETOS DE VISIÓN. Ahora usaremos nuestra PiCam para reconocer rostros en tiempo real, como puede ver a continuación: Este proyecto se realizó con esta fantástica " Biblioteca de visión por computadora de código abierto & qu