Artificiell vision: introduktion till denna intressanta disciplin

Arduino kan verka väldigt rudimentär, men det räcker mer än att skapa till och med ganska avancerade projekt. Med hjälp av vissa befintliga moduler på marknaden, till exempel kameramoduler, och med hjälp av vissa bibliotek eller API: er kan du förse ditt projekt med intelligens eller konstgjord syn. Det kommer att ge nya applikationer och nya horisonter bortom rudimentära projekt.

Maskinsyn är en typ av datorsyn. Det är inte bara att ta bilden genom en digitalkamera, den går längre. Kan användas för skaffa miljödata, bearbeta bilden, analysera den, förstå verkliga bilder etc. Det kan till exempel användas för att få numerisk information genom kameran, känna igen människor etc. Föreställ dig allt du kan göra med det här ...

Vad används datorsyn till?

Por ejemplo, många nuvarande synsystem är baserade på denna typ av syn, till exempel vissa fordon som tillåter automatisk parkering, kartläggning av miljön, trafikstyrningssystem på vägar eller känner igen fotgängare för att stoppa fordonet och inte köra över dem, känna igen ansikten och få data från de personer som är registrerade i en databas som i vissa säkerhetssystem, analyserar videor etc.

Potentialen i denna maskinsyn är så extrem att regeringar och stora företag De använder den för en mängd olika syften, oavsett om det är lagligt eller inte. Några praktiska användningsområden som du säkert känner till är:

• Facebook: använd denna typ av konstgjord syn för foton som laddas upp till ditt sociala nätverk, på detta sätt kan du känna igen ansikten med hjälp av komplexa algoritmer. På så sätt kan du mata din AI för att göra den mer kraftfull och förbättra den för andra framtida applikationer.
• flickr- Du kan använda den här maskinvisionen för att rekonstruera 3D-scener med hjälp av bildförvar på denna plattform.
• Industri: Med konstgjorda synsystem kan du upptäcka defekter i en monteringslinje, snabbt kasta föremål med defekter etc. Till exempel, när frukterna som samlats in i jordbrukssektorn reser genom ett transportband, med hjälp av en konstgjord synssensor, kan trasiga, skadade, ruttna frukter eller andra föremål än frukter detekteras för att ta bort dem med hjälp av en luftstråle eller andra mekanismer.
• Videoövervakning: den kan användas i många skyddade centra för att fånga vissa fordon eller personer, ta reda på vem de är och skicka informationen till ett system eller spela in den för senare analys. Många företag använder det till och med för att ta reda på hur människor klär sig (modesektor), vissa enheter för att veta vem som kan vara i demonstrationer, upptäcka närvaron av misstänkt personal i offentliga eller upptagna centra etc.

Tänk på att det för närvarande finns en mängd övervakningskameror av alla slag spridda runt gatan, oavsett om de ska övervaka företag, banker, DGT, etc., så mycket information samlas in från oss alla.

Nödvändigt material

Förutom Arduino-kortet med mikrokontrollern som du kan programmera och som använder bibliotek, du kommer behöva även andra grundläggande element för ditt projekt. Bland dem, naturligtvis, en modul med en kamera som kan bildbehandling. Ett exempel på detta är Pixy CMUCam 5 eller Liknande. Denna modul har en kraftfull processor som kan programmeras för att skicka information som fångats av sensorn via den seriella porten UART, SPI, I2C, digital ut eller analoga signaler.

Med Pixy CMUCam 5 kan du bearbeta upp till 50 bilder per sekund (50 FPS). Med dessa funktioner kan det programmeras att bara skicka de bilder som du söker eller söker efter, istället för att ständigt spela in all video som den spelar in. För enklare hantering har den en gratis och öppen källkodsapplikation samtal Pixymon för din kontroll.

Om du bestämmer dig för att köpa denna Pixy CMUcam5-kamera kommer den med en 6-stifts till 10-stifts IDC-kabel och monteringshårdvaran. Dessutom, tekniska egenskaper av modulen är:

• NXP LPC4330 204 Mhz DualCore-processor.
• 254 Kb RAM-minne,
• 140 mA förbrukning.
• Omnivision OV9715 1/4 ″ bildsensor med upplösning 1280 × 800.
• Betraktningsvinkel 75º horisontellt och 47º vertikalt.
• Enkel bildigenkänning för att lokalisera objekt.
• Du kan använda den med Arduino-kort (med specifika bibliotek), Raspberry Pi, BeagleBone Black och andra liknande kort.
• Kommunikationsportar: SPI, I2C, UART, USB eller analog / digital utgång.
• PixyMon-programvara kompatibel med Windows, macOS och GNU / Linux.
• Liten storlek.
• Dokumentation tillgänglig på projektet Wiki.
• Github-förråd med Arduino-biblioteket.
• firmware
• Instruktioner

Dessutom måste du komma ihåg att du har en annan typ av API: er, bibliotek och mer material som kan hjälpa dig att skapa projekt av alla slag med hjälp av dessa kameror och konstgjord syn. Det bör till exempel noteras:

• OpenCV: är ett gratis maskinvisionsbibliotek som ursprungligen utvecklats av Intel. Den har nu släppts under BSD-licensen och kan användas av vem som helst för att upptäcka rörelse, känna igen föremål, robotvision, ansiktsigenkänning etc. Det är plattformsoberoende, så det kan användas på GNU / Linux, macOS, Windows och Android.
• Andra projekt, till exempel fordonsdetektering.

Från Hwlibre uppmuntrar jag dig att börja experimentera och lär dig mer om denna disciplin.

Enkelt exempel på att integrera Pixy 2 CMUcam5 med Arduino

För att använda detta Pixy 2 CMUcam5-modul med ditt Arduino-kort, som du måste använda flera extra element. Till exempel kan du använd en servomotor S06NF, eller liknande, för att agera när kameran upptäcker ett objekt som du har programmerat det för. Naturligtvis måste du ladda ner PixyMon-programvaran som jag sa ovan och GitHub-biblioteket för Arduino.

Mer information om Arduino-programmering kan du ladda ner vår PDF med den kostnadsfria kursen.

När du har installerat PixyMon I ditt operativsystem är följande att följa dessa steg:

1. Anslut Pixy med USB-kabeln och kontrollera om RGB-lysdioden på modulen lyser, vilket indikerar att den fungerar som den ska.
2. Öppna PixyMon-appen och om allt är korrekt ser du vad kameran fångar just nu.
3. Gå till undermenyn Action eller Actionoch klicka sedan på Ange signatur eller Ange signatur. Nu ska videon frysa och du kan välja vilken färg eller vilket objekt du vill att kameran ska upptäcka så länge den är framför sensorn. Du kan till exempel använda en boll. På det sättet, när bollen passerar framför sensorn, kommer den att upptäckas.
4. Som du kan se finns det upp till 7 Set Signature, så att du kan konfigurera upp till 7 olika objekt som kameran kan upptäcka.
5. Om du bara väljer en kan du gå vidare till nästa steg. Eller om du vill ta bort ett objekt från listan kan du gå till menyn Åtgärd eller Åtgärd och sedan ta bort allt Underskrifterna eller välj Ta bort specifik signatur. Du kan till och med gå till Konfiguration eller Konfiguration och sedan gå till den specifika signaturen som du vill ändra för att ändra den ...

Nu kan du fortsätta med att konfigurera ditt bräde Arduino, om du vill. För att göra detta vet du redan att du måste använda Pixy-biblioteket för Arduino. Detta bibliotek innehåller också enkla exempel som du kan börja experimentera med utan att skriva kod från början. Helt enkelt genom att öppna dem och köra dessa skisser eller göra ändringar i dem för att se hur de beter sig. För att ha det här biblioteket kan du följa dessa steg.

1. Ansvarsfrihet biblioteket för Arduino.
2. öppnar Arduino IDE.
3. Gå till skiss, Inkludera bibliotek och sedan Lägg till .zip-bibliotek och välj det du laddade ner.
4. Nu kommer det att integreras, det kan du börja testa några exempel med kameran ordentligt ansluten till ditt Arduino-kort. För att göra detta, gå till menyn Exempel eller exempel, sedan till Pixy och välj en av dem. Jag rekommenderar att du börjar med Hej världen.
5. Med ditt Arduino-kort anslutet av USB till PC, ladda upp skissen till ditt bräde, välj sedan Verktyg och sedan Seriell bildskärm.
6. Nu kommer fönstret att visa information.

Självklart, glöm inte att ansluta alla elektroniska komponenter du behöver till ditt Arduino-kort, inklusive själva kameran. Du vet redan att den ansluter till Arduino ISCP-stiften som är avsedda för dessa moduler, vilket kan ses på bilden ...