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

2024 Avtor: John Day | [email protected]. Nazadnje spremenjeno: 2024-01-30 12:03

Nossa lixeira inteligente consiste na separação automática do lixo. Através de uma spletna kamera, ela identifica o tipo de lixo e o depozita no particiimento adequado para posteriormente ser reciclado.

1. korak: Lixo, Um Problema Mundial

Um dos principais problemas encontrado no meio urbano, posebno 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 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 ustreza 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.

2. korak: Por Que Separar O Lixo?

Com a separação dos lixos fica mais fácil e rápida a reciclagem do material. A reciclagem reduz obzirravelmente os casos de doenças e mortes devido às enchentes e acúmulo de lixo em locais urbanos, diminui impactos sobre o meio ambienis epa torade a meda ambienid epa torida.

3. korak: Qual a Solução?

Nossa solução é uma Lixeira feita com materiais também recicláveis que analisa o tipo de lixo eo descarta nopartimento 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 classicficação do objeto, um sinal é enviado para um motor que move uma esteira, poziciona no local adequado e outro motor é acionado para fazer o despejo.

4. korak: Quais As Tecnologias Utilizadas?

Programska oprema:

- OpenCV

- Haar kaskadni klasifikator

- Python

- MRAA

- Linux (Debian)

Strojna oprema:

- Dragonboard 410c

- Mezanin na krovu 96

- DC motorji

- Motor voznika Ponte H L298N

- Fonte ATX 230W

- Spletna kamera

5. korak: Algoritmos E Códigos

Del 1 - OpenCV, statistika

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

1 - Treinamento: Foram izkorišča 20 slik, ki delijo entre garrafas e latas

2 - Zaznavanje:

2.1 - Pretvornik imagem para ali 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 - Računalnik magnitude com iguais pesos em ambasador as direções.

2.4 - Aplikacija o metodi de Otsu na imagem detectada pela câmera..

2.5 - Aplicar Closing s slikovno kamero.

2.6 - Aplikacija ali detektor de bordas Canny

2.7 - Izračunajte transformato 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 dados. 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 processo ocorreu com sucesso.

3.1 - Devido a tensão de saída da DragonBoard ser de apenas 1,8 V nos pinos digitais e os vozniki dos motores zahtevali uma tensão de entrada de no mínimo 5 V, izkoristite kot 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 pod podermos girar a esteira em ambasador kot 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 executodo como root (sudo).

4 - Armazenamento de dados:

Todas as informações detectadas são enviadas para uma instância da AWS IoT onde os dados podem ser acessados pelas pessoas competentes e tomar ações neophodárias. Essas dados são trocados izkorišča protokol MQTT onde é possível o envio in recebimento de informações de forma bidirecional.

6. korak: Imagens Do Protótipo Em Construção. (Različica 1.0 E 2.0)

7. korak: 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 e indiretamente