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

2024 Autor: John Day | [email protected]. Modificat ultima dată: 2024-01-30 11:41

A nossa lixeira inteligente consiste na separação automática do lixo. Através de uma webcam, ela identifica o tip de lixo e o depozit nu compartiment adecvat pentru posterior ser reciclat.

Pasul 1: Lixo, Um Problema Mundial

Um dos principal problems found no meio urbano, special nas grandes cidades é o lixo sólido, result of uma society that a cada dia consome mais.

Para ter uma noção mais ampla do problem tomemos a cidade de São Paulo como example, em média cada pessoa produz diariamente între 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.

Pasul 2: Por Que Separar O Lixo?

Com a separação dos lixos fica mais fácil e rapid a reciclagem do material. A reciclagem reduz consideravelmente os cases de doenças e mortes devido às enchentes e acúmulo de lixo em locais urbanos, diminui impactos over o meio ambiente e ajuda a cidade se tornar mais limpa.

Pasul 3: Cal a Solução?

Nossa solução é uma Lixeira feita com materiais too recicláveis that analisa o tipo de lixo eo descarta no compartimento correto. O reconhecimento é através de uma câmera care utilizează um banc de date de imagini și forme. Há nela um algoritmo com a tehnologie de învățare automată capabil de învățare și reconstruire a materialului obiectului descărcat (paper, metal, plástico, vidro ou outros). acionado pentru fazer o despejo.

Pasul 4: Quais Ca Tehnologii Utilizate?

Software:

- OpenCV

- Clasificator cascadă Haar

- Python

- MRAA

- Linux (Debian)

Hardware:

- Dragonboard 410c

- Mezzanine 96board

- Motoare DC

- Motor șofer Ponte H L298N

- Fonte ATX 230W

- Cameră web

Pasul 5: Algoritmos E Codes

Parte 1 - OpenCV, Statistic

Como o treinamento para reconhecer os 5 tipos de materiais descritos no Step 3 demoraria muito, decididor afunilar o problemă și detectare apene latas și garrafas de plastic pentru comprovarea a probei de concepție. Essa detecção ocorreu nos following passos.

1 - Treinamento: Foram utilizate 20 imagini divizate între garrafas și latas

2 - Detecção:

2.1 - Convertor de imagini pentru spațiul de cor HSV. Aumenta 'V' por um fator de 2 com o obiectiv de ter features mais visíveis.

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

2.3 - Computar a magnitude com iguais pesos em ambas as direções.

2.4 - Aplicați o metodă de Otsu na imagem detectată pela câmera..

2.5 - Aplicar Closing na imagem detectata pela câmera.

2.6 - Aplicare o detector de borduri Canny

2.7 - Calculează o transformată de linie de Hough

2.8 - Enquadrar bordas do objeto num retângulo.

2.9 - Checar proporție largă x înălțime pentru comparație cu o bancă de dados. No banco estão armazenados diverse modele pozitive și negative.

3 - Separação: Dado a saída da etapa anterior (garrafa ou lata), movemos a esteira (motor) para o lado left sau direito despejando o objecteto e acendendo um LED for indicar that o process ocorreu com sucesso.

3.1 - Devido a tensão de saída da DragonBoard ser de apenas 1.8V nos pinos digitais e os drivers dos motores requirerem uma tensão de entrada de minimum 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 for podermos girar a esteira em ambas as direções.

Obs.: É important left clear that o mapeamentos dos pinos da mezzanine board deve estar liberado no diretório / sys / class / gpio e that o code seja executado as root (sudo).

4 - Armazenamento de dados:

Todas as informações detectadas são enviadas for uma instância da AWS IoT unde os dados podem ser accessed pelas pessoas competentes e take ações necessárias. Essas dados são trocados using o protocol MQTT unde é possível o envio e recebimento de informații de forma bidirecional.

Pasul 6: Imagens Do Protótipo Em Construção. (Versiuni 1.0 E 2.0)

Pasul 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 toți care ne ajută direct și indirect.