สร้างตัวแยกขยะ Pi ด้วย ML!: 8 ขั้นตอน (พร้อมรูปภาพ)

2025 ผู้เขียน: John Day | [email protected]. แก้ไขล่าสุด: 2025-01-23 15:12

โปรเจ็กต์เครื่องแยกขยะหรือที่รู้จักกันอย่างสนิทสนมว่า "ไปไหน!?" ได้รับการออกแบบมาเพื่อให้การทิ้งขยะรวดเร็วและเชื่อถือได้มากขึ้น

โปรเจ็กต์นี้ใช้โมเดล Machine Learning (ML) ที่ได้รับการฝึกอบรมใน Lobe ซึ่งเป็นเครื่องมือสร้างโมเดล ML ที่เป็นมิตรกับผู้เริ่มต้นใช้งาน (ไม่มีโค้ด!) เพื่อระบุว่าวัตถุไปอยู่ในขยะ การรีไซเคิล ปุ๋ยหมัก หรือของเสียอันตรายหรือไม่ จากนั้นโมเดลจะถูกโหลดลงในคอมพิวเตอร์ Raspberry Pi 4 เพื่อให้สามารถใช้งานได้ทุกที่ที่คุณอาจพบถังขยะ!

บทช่วยสอนนี้จะอธิบายวิธีสร้างโปรเจ็กต์ตัวแยกขยะบน Raspberry Pi จากโมเดล Lobe TensorFlow ใน Python3

ความยาก: Beginner++ (ความรู้บางอย่างพร้อมวงจรและการเข้ารหัสจะเป็นประโยชน์)

อ่านเวลา: 5 นาที

เวลาสร้าง: 60 - 90 นาที

ราคา: ~ 70 เหรียญ (รวม Pi 4)

เสบียง:

ซอฟต์แวร์ (ฝั่ง PC)

• กลีบ
• WinSCP (หรือวิธีการถ่ายโอนไฟล์ SSH อื่นๆ สามารถใช้ CyberDuck สำหรับ Mac)
• เทอร์มินัล
• การเชื่อมต่อเดสก์ท็อประยะไกลหรือ RealVNC

ฮาร์ดแวร์

• Raspberry Pi, การ์ด SD และแหล่งจ่ายไฟ USB-C (5V, 2.5A)
• Pi Camera
• ปุ่มกด

• ไฟ LED 5 ดวง (ไฟ LED แสดงสถานะ 4 ดวงและ LED แสดงสถานะ 1 ดวง)

  • ไฟ LED สีเหลือง: ขยะ
  • LED สีน้ำเงิน: รีไซเคิล
  • ไฟ LED สีเขียว: ปุ๋ยหมัก
  • ไฟ LED สีแดง: ของเสียอันตราย
  • LED สีขาว: สถานะ
• ตัวต้านทาน 220 โอห์ม 6 ตัว
• สายจัมเปอร์ 10 M-to-M
• เขียงหั่นขนมครึ่งขนาด

หากคุณเลือกที่จะประสาน:

• ขั้วต่อ JST 1 ตัว ปลายตัวเมียเท่านั้น
• สายจัมเปอร์ M-to-F 2 เส้น
• สายจัมเปอร์ F-to-F 10 เส้น
• PCB

สิ่งที่ส่งมาด้วย

• กรณีโครงการ (เช่น กระดาษแข็ง ไม้ หรือกล่องพลาสติก ประมาณ 6" x 5" x 4")

• สี่เหลี่ยมพลาสติกใส 0.5" x 0.5" (2 ซม. x 2 ซม.)

  เช่น. จากฝาภาชนะพลาสติกใส่อาหาร

• เวลโคร

เครื่องมือ

• เครื่องตัดลวด
• มีดแม่นยำ (เช่น มีดที่แน่นอน) และแผ่นรองตัด
• หัวแร้ง (ไม่จำเป็น)
• เครื่องมือร้อนละลาย (หรือกาวที่ไม่นำไฟฟ้าอื่นๆ - อีพ็อกซี่ใช้งานได้ดีแต่เป็นแบบถาวร)

ขั้นตอนที่ 1: ก่อนที่เราจะเริ่มต้น

โปรเจ็กต์นี้ถือว่าคุณกำลังเริ่มต้นด้วย Raspberry Pi ที่ตั้งค่าอย่างสมบูรณ์ในการกำหนดค่าแบบไม่มีส่วนหัว นี่คือคู่มือสำหรับผู้เริ่มต้นใช้งานเกี่ยวกับวิธีการทำเช่นนี้

นอกจากนี้ยังช่วยให้มีความรู้ดังต่อไปนี้:

1. รู้จักกับ Raspberry Pi

   • นี่คือคู่มือการเริ่มต้นใช้งานที่มีประโยชน์!
   • ยังมีประโยชน์อีกด้วย: เริ่มต้นใช้งานกล้อง Pi

2. การอ่านและแก้ไขโค้ด Python (คุณไม่จำเป็นต้องเขียนโปรแกรม เพียงแค่แก้ไข)

   รู้เบื้องต้นเกี่ยวกับ Python ด้วย Raspberry Pi

3. การอ่านไดอะแกรมสายไฟ Fritzing

4. ใช้เขียงหั่นขนม

   วิธีใช้กวดวิชาเขียงหั่นขนม

ค้นหาว่าถังขยะของคุณไปที่ไหน

แต่ละเมืองทั่วสหรัฐอเมริกา (และฉันคิดว่าโลกทั้งใบ) มีขยะ/รีไซเคิล/ปุ๋ยหมัก/อื่นๆ ของตัวเอง ระบบการรวบรวม ซึ่งหมายความว่าเพื่อสร้างตัวแยกประเภทถังขยะที่ถูกต้อง เราจะต้อง 1) สร้างโมเดล ML ที่กำหนดเอง (เราจะพูดถึงเรื่องนี้ในขั้นตอนต่อไป - ไม่มีโค้ด!) และ 2) รู้ว่าขยะแต่ละชิ้นไปอยู่ที่ใด

เนื่องจากฉันไม่รู้ถังขยะที่เหมาะสมสำหรับแต่ละรายการที่ฉันเคยฝึกโมเดลของฉันเสมอ ฉันจึงใช้ใบปลิว Seattle Utilities (รูปภาพที่ 1) และมีประโยชน์นี้ด้วย "จะไปไหน" เครื่องมือค้นหาสำหรับเมืองซีแอตเทิล! ตรวจสอบทรัพยากรที่มีอยู่ในเมืองของคุณโดยค้นหาเครื่องมือรวบรวมขยะในเมืองของคุณและอ่านเว็บไซต์

ขั้นตอนที่ 2: สร้างโมเดล ML ที่กำหนดเองใน Lobe

Lobe เป็นเครื่องมือที่ใช้งานง่ายซึ่งมีทุกสิ่งที่คุณต้องการเพื่อทำให้แนวคิดแมชชีนเลิร์นนิงของคุณเป็นจริง แสดงตัวอย่างสิ่งที่คุณต้องการให้ทำ และจะฝึกโมเดลการเรียนรู้ของเครื่องโดยอัตโนมัติซึ่งสามารถส่งออกไปยังอุปกรณ์ Edge และแอปได้ ไม่จำเป็นต้องมีประสบการณ์ใดๆ เพื่อเริ่มต้น คุณสามารถฝึกบนคอมพิวเตอร์ของคุณเองได้ฟรี!

ต่อไปนี้คือภาพรวมคร่าวๆ เกี่ยวกับวิธีใช้ Lobe:

1. เปิดโปรแกรม Lobe และสร้างโครงการใหม่

2. ถ่ายหรือนำเข้ารูปภาพและติดป้ายกำกับให้เป็นหมวดหมู่ที่เหมาะสม (ภาพที่ 1) เราต้องใช้ป้ายกำกับเหล่านี้ในภายหลังในส่วนซอฟต์แวร์ของโครงการ

มีสองวิธีในการนำเข้ารูปภาพ:

1. ถ่ายภาพสิ่งของได้โดยตรงจากเว็บแคมของคอมพิวเตอร์ หรือ

2. นำเข้ารูปภาพจากโฟลเดอร์ที่มีอยู่ในคอมพิวเตอร์ของคุณ

   โปรดทราบว่าชื่อโฟลเดอร์รูปภาพจะถูกใช้เป็นชื่อป้ายกำกับหมวดหมู่ ดังนั้นตรวจสอบให้แน่ใจว่าตรงกับป้ายกำกับที่มีอยู่

นอกเหนือจากนั้น ฉันลงเอยด้วยการใช้ทั้งสองวิธี เนื่องจากยิ่งคุณมีรูปภาพมากเท่าไหร่ โมเดลของคุณก็จะยิ่งแม่นยำมากขึ้นเท่านั้น

3. ใช้คุณสมบัติ "เล่น" เพื่อทดสอบความแม่นยำของโมเดล เปลี่ยนระยะทาง แสงไฟ ตำแหน่งเข็มนาฬิกา ฯลฯ เพื่อระบุว่าโมเดลอยู่ที่ไหนและไม่ถูกต้อง เพิ่มรูปภาพเพิ่มเติมตามความจำเป็น (ภาพที่ 3 - 4)

4. เมื่อคุณพร้อม ส่งออกโมเดล Lobe ML ของคุณในรูปแบบ TensorFlow (TF) Lite

เคล็ดลับ:

• ก่อนนำเข้ารูปภาพ ให้จัดทำรายการหมวดหมู่ทั้งหมดที่คุณต้องการและวิธีที่คุณต้องการติดป้ายกำกับ (เช่น "ขยะ" "รีไซเคิล" "ปุ๋ยหมัก" เป็นต้น)

  หมายเหตุ: ใช้ป้ายกำกับเดียวกับที่แสดงในรูปภาพ "Lobe Model Labels" ด้านบนเพื่อลดจำนวนโค้ดที่คุณต้องเปลี่ยน

• รวมหมวดหมู่สำหรับ "ไม่ทิ้งขยะ" ที่มีรูปภาพของสิ่งอื่นที่อาจอยู่ในรูปภาพ (เช่น มือและแขนของคุณ พื้นหลัง ฯลฯ)
• ถ้าเป็นไปได้ ให้ถ่ายรูปจาก Pi Camera และนำเข้าไปยัง Lobe สิ่งนี้จะปรับปรุงความแม่นยำของแบบจำลองของคุณอย่างมาก!
• ต้องการรูปถ่ายเพิ่มเติมหรือไม่? ตรวจสอบชุดข้อมูลโอเพนซอร์สบน Kaggle รวมถึงชุดอิมเมจการจำแนกประเภทขยะ!
• ต้องการความช่วยเหลือเพิ่มเติมหรือไม่? เชื่อมต่อกับ Lobe Coommunity บน Reddit!

ขั้นตอนที่ 3: สร้างมัน: ฮาร์ดแวร์

1. เชื่อมต่อ Pi Camera กับ Pi อย่างระมัดระวัง (โปรดไปที่คู่มือการเริ่มต้นใช้งาน Pi Foundation สำหรับข้อมูลเพิ่มเติม) (ภาพที่ 1)

2. ทำตามแผนภาพการเดินสายเพื่อเชื่อมต่อปุ่มกดและไฟ LED กับพิน Pi GPIO

• ปุ่มกด: เชื่อมต่อขาข้างหนึ่งของปุ่มกดกับพิน GPIO 2 เชื่อมต่ออีกข้างหนึ่งผ่านตัวต้านทาน กับพิน GPIO GND
• LED สีเหลือง:เชื่อมต่อขาบวก (ยาวกว่า) กับพิน GPIO 17. เชื่อมต่อขาอีกข้างหนึ่งผ่านตัวต้านทานกับพิน GPIO GND
• ไฟ LED สีฟ้า: ต่อขาบวกกับขา GPIO 27 ต่อขาอีกข้างหนึ่งผ่านตัวต้านทานไปยังขา GPIO GND
• ไฟ LED สีเขียว: ต่อขาบวกกับขา GPIO 22 ต่อขาอีกข้างหนึ่งผ่านตัวต้านทานไปยังขา GPIO GND
• ไฟ LED สีแดง: ต่อขาบวกกับขา GPIO 23. ต่อขาอีกข้างหนึ่งผ่านตัวต้านทานไปยังขา GPIO GND
• LED สีขาว: ต่อขาบวกกับขา GPIO 24 ต่อขาอีกข้างหนึ่งผ่านตัวต้านทานไปยังขา GPIO GND

3. ขอแนะนำให้ทดสอบวงจรของคุณบนเขียงหั่นขนมและรันโปรแกรมก่อนที่จะบัดกรีหรือทำการเชื่อมต่ออย่างถาวร ในการทำเช่นนี้ เราจะต้องเขียนและอัปโหลดโปรแกรมซอฟต์แวร์ของเรา ไปที่ขั้นตอนต่อไป!

ขั้นตอนที่ 4: เขียนโค้ด: ซอฟต์แวร์

1. บนพีซีของคุณ เปิด WinSCP และเชื่อมต่อกับ Pi ของคุณ สร้างโฟลเดอร์ Lobe ในโฮมไดเร็กทอรีของ Pi และสร้างโฟลเดอร์โมเดลในไดเร็กทอรีนั้น

2. ลากเนื้อหาโฟลเดอร์ Lobe TF ที่เป็นผลลัพธ์ไปยัง Pi จดบันทึกเส้นทางของไฟล์: /home/pi/Lobe/model

3. บน Pi เปิดเทอร์มินัลแล้วดาวน์โหลดไลบรารี lobe-python สำหรับ Python3 โดยรันคำสั่ง bash ต่อไปนี้:

ติดตั้ง pip3

pip3 ติดตั้งกลีบ

4. ดาวน์โหลดรหัสถังขยะ (rpi_trash_classifier.py) จาก repo นี้ไปยัง Pi (คลิกปุ่ม "รหัส" ดังแสดงในภาพที่ 1)

• ต้องการคัดลอก/วาง? รับรหัสดิบที่นี่
• ต้องการดาวน์โหลดลงในคอมพิวเตอร์ของคุณหรือไม่? ดาวน์โหลด repo/code ลงในคอมพิวเตอร์ของคุณ จากนั้นโอนรหัส Python ไปยัง Pi ผ่าน WinSCP (หรือโปรแกรมถ่ายโอนไฟล์ระยะไกลที่คุณต้องการ)

5. เมื่อคุณเชื่อมต่อฮาร์ดแวร์กับพิน GPIO ของ Pi แล้ว ให้อ่านโค้ดตัวอย่างและอัปเดตเส้นทางของไฟล์ตามต้องการ:

• บรรทัดที่ 29: เส้นทางของไฟล์ไปยังโมเดล Lobe TF
• บรรทัดที่ 47 และ 83: เส้นทางของไฟล์ไปยังภาพที่ถ่ายผ่าน Pi Camera

6. หากจำเป็น ให้อัปเดตป้ายกำกับรุ่นในโค้ดให้ตรงกับป้ายกำกับในรุ่น Lobe ของคุณทุกประการ (รวมถึงการใช้อักษรตัวพิมพ์ใหญ่ เครื่องหมายวรรคตอน ฯลฯ):

• บรรทัดที่ 57: "ขยะ"
• บรรทัดที่ 60: "รีไซเคิล"
• บรรทัดที่ 63: "ปุ๋ยหมัก"
• บรรทัดที่ 66: "สิ่งอำนวยความสะดวกของเสียอันตราย"
• บรรทัดที่ 69: "ไม่ใช่ขยะ!"

7. รันโปรแกรมโดยใช้ Python3 ในหน้าต่างเทอร์มินัล:

python3 rpi_trash_classifier.py

ขั้นตอนที่ 5: ทดสอบ: เรียกใช้โปรแกรม

ภาพรวมโปรแกรม

เมื่อคุณเรียกใช้โปรแกรมครั้งแรก จะใช้เวลาสักครู่ในการโหลดไลบรารี TensorFlow และโมเดล Lobe ML เมื่อโปรแกรมพร้อมที่จะจับภาพ ไฟสถานะ (LED สีขาว) จะกะพริบ

เมื่อคุณถ่ายภาพแล้ว โปรแกรมจะเปรียบเทียบภาพกับโมเดล Lobe ML และส่งออกการคาดคะเนผลลัพธ์ (บรรทัดที่ 83) เอาต์พุตเป็นตัวกำหนดว่าไฟใดเปิดอยู่: สีเหลือง (ขยะ) สีน้ำเงิน (รีไซเคิล) สีเขียว (ปุ๋ยหมัก) หรือสีแดง (ขยะอันตราย)

หากไม่มีไฟ LED แสดงสถานะใดติดขึ้นและไฟ LED แสดงสถานะจะกลับสู่โหมดพัลส์ แสดงว่าภาพที่ถ่ายไว้นั้น "ไม่ใช่ขยะ" กล่าวคือ ให้ถ่ายภาพใหม่!

จับภาพ

กดปุ่มเพื่อจับภาพ โปรดทราบว่าคุณอาจต้องกดปุ่มค้างไว้อย่างน้อย 1 วินาทีเพื่อให้โปรแกรมลงทะเบียนกด ขอแนะนำให้ถ่ายภาพทดสอบ จากนั้นเปิดภาพบนเดสก์ท็อปเพื่อให้เข้าใจมุมมองและเฟรมของกล้องได้ดีขึ้น

เพื่อให้ผู้ใช้มีเวลาจัดตำแหน่งวัตถุและปรับระดับแสงของกล้องได้ จะใช้เวลาประมาณ 5 วินาทีในการถ่ายภาพให้เต็มที่ คุณสามารถเปลี่ยนการตั้งค่าเหล่านี้ได้ในโค้ด (บรรทัดที่ 35 และ 41) แต่โปรดทราบว่า Pi Foundation แนะนำให้ปรับระดับแสงอย่างน้อย 2 วินาที

การแก้ไขปัญหา

ความท้าทายที่ยิ่งใหญ่ที่สุดคือการทำให้มั่นใจว่าภาพที่ถ่ายได้นั้นเป็นสิ่งที่เราคาดหวัง ดังนั้นให้ใช้เวลาสักครู่เพื่อตรวจสอบภาพและเปรียบเทียบผลลัพธ์ที่คาดหวังกับเอาต์พุต LED แสดงสถานะ หากจำเป็น คุณสามารถส่งภาพไปยังโมเดล Lobe ML เพื่อการอนุมานโดยตรงและการเปรียบเทียบที่รวดเร็วขึ้น

บางสิ่งที่ควรทราบ:

• ไลบรารี TensorFlow มีแนวโน้มที่จะแสดงข้อความเตือน ซึ่งเป็นเรื่องปกติสำหรับเวอร์ชันที่ใช้ในโค้ดตัวอย่างนี้
• ป้ายการคาดคะเนต้องตรงตามที่เขียนไว้ในฟังก์ชัน led_select() ทุกประการ ซึ่งรวมถึงการใช้อักษรตัวพิมพ์ใหญ่ เครื่องหมายวรรคตอน และการเว้นวรรค อย่าลืมเปลี่ยนสิ่งเหล่านี้หากคุณมี Lobe รุ่นอื่น
• Pi ต้องการแหล่งจ่ายไฟที่มั่นคง ไฟแสดงสถานะของ Pi ควรสว่างเป็นสีแดงทึบ
• หากไฟ LED หนึ่งดวงขึ้นไปไม่เปิดตามที่คาดไว้ ให้ตรวจสอบโดยบังคับให้เปิดด้วยคำสั่ง:

red_led.on()

ขั้นตอนที่ 6: (ไม่บังคับ) สร้างมัน: จบวงจรของคุณ

ตอนนี้เราได้ทดสอบแล้ว และถ้าจำเป็น ให้ดีบั๊ก โครงการของเราเพื่อให้ทำงานได้ตามที่คาดไว้ เราก็พร้อมที่จะประสานวงจรของเรา!

หมายเหตุ: หากคุณไม่มีหัวแร้ง คุณสามารถข้ามขั้นตอนนี้ได้ ทางเลือกหนึ่งคือเคลือบจุดต่อสายไฟด้วยกาวร้อน (ตัวเลือกนี้จะช่วยให้คุณแก้ไข/เพิ่ม/ใช้สิ่งต่างๆ ได้ในภายหลัง แต่มีแนวโน้มว่าจะแตกหักมากกว่า) หรือใช้อีพ็อกซี่หรือกาวถาวรที่คล้ายกัน (ตัวเลือกนี้จะทนทานกว่ามาก แต่คุณจะไม่สามารถใช้วงจรหรืออาจเป็น Pi หลังจากทำเช่นนี้)

ความคิดเห็นอย่างรวดเร็วเกี่ยวกับตัวเลือกการออกแบบของฉัน (ภาพที่ 1):

• ฉันเลือกใช้สายจัมเปอร์ตัวเมียสำหรับ LED และ Pi GPIO เพราะมันอนุญาตให้ฉันลบ LED และสลับสีหรือย้ายไปรอบๆ หากจำเป็น คุณสามารถข้ามสิ่งเหล่านี้ได้หากต้องการเชื่อมต่ออย่างถาวร
• ในทำนองเดียวกัน ฉันเลือกตัวเชื่อมต่อ JST สำหรับปุ่มกด

มุ่งสู่การสร้าง

1. ตัดสายจัมเปอร์ตัวเมียแต่ละอันออกครึ่งหนึ่ง (ใช่ทั้งหมด!) ใช้ที่ปอกสายไฟดึงฉนวนลวดออกประมาณ 1/4 (1/2 ซม.)

2. สำหรับ LED แต่ละดวง ให้บัดกรีตัวต้านทาน 220Ω กับขาลบ (สั้นกว่า) (ภาพที่ 2)

3. ตัดชิ้นเล็ก ๆ ประมาณ 1 (2 ซม.) ของท่อหดความร้อนแล้วดันเหนือจุดเชื่อมต่อ LED และตัวต้านทาน ตรวจสอบให้แน่ใจว่าสามารถเข้าถึงขาตัวต้านทานอีกข้างได้ จากนั้นให้ความร้อนท่อหดจนแน่นกับข้อต่อ (ภาพที่ 3)

4. ใส่แต่ละ LED ลงในสายจัมเปอร์หญิงคู่หนึ่ง (ภาพที่ 4)

5. ติดฉลากสายจัมเปอร์ (เช่น ด้วยเทป) จากนั้นบัดกรีสายจัมเปอร์บนแผงวงจรพิมพ์ (PCB) ของคุณ (ภาพที่ 5)

6. จากนั้น ใช้สายจัมเปอร์ตัวเมีย (ตัด) เพื่อเชื่อมต่อ LED แต่ละตัวกับพิน Pi GPIO ตามลำดับ บัดกรีและติดฉลากสายจัมเปอร์เพื่อให้โลหะเปล่าเชื่อมต่อกับขา LED บวกผ่าน PCB (ภาพที่ 5)

หมายเหตุ: ตำแหน่งที่คุณบัดกรีสายนี้จะขึ้นอยู่กับเค้าโครง PCB ของคุณ คุณยังสามารถประสานสายนี้โดยตรงกับสายจัมเปอร์ LED บวก

7. ประสานตัวต้านทาน220Ωกับปลายขั้วลบ (สีดำ) ของขั้วต่อ JST (ภาพที่ 6)

8. ประสานตัวเชื่อมต่อ JST และตัวต้านทานเข้ากับปุ่มกด (ภาพที่ 6)

9. เชื่อมต่อสายจัมเปอร์ M-to-F ระหว่างขั้วต่อปุ่มกดและพิน GPIO (ตัวเตือน: สีดำคือ GND)

10. เคลือบ PCB ต่อด้วยกาวร้อนหรืออีพ็อกซี่เพื่อการเชื่อมต่อที่ปลอดภัยยิ่งขึ้น

หมายเหตุ: หากคุณเลือกใช้อีพ็อกซี่ คุณอาจไม่สามารถใช้พิน GPIO ของ Pi สำหรับโครงการอื่นได้ในอนาคต หากคุณกังวลเกี่ยวกับเรื่องนี้ ให้เพิ่มสายแพ GPIO แล้วต่อสายจัมเปอร์เข้ากับสายนั้นแทน

ขั้นตอนที่ 7: (ไม่บังคับ) สร้างมัน: เคส

สร้างโครงสำหรับ Pi ของคุณที่จะยึดกล้อง ปุ่มกด และไฟ LED ไว้กับที่ ขณะเดียวกันก็ปกป้อง Pi ออกแบบกล่องหุ้มของคุณเองหรือทำตามคำแนะนำในการสร้างของเราด้านล่างเพื่อสร้างต้นแบบกล่องกระดาษแข็งอย่างรวดเร็ว!

1. ที่ด้านบนของกล่องกระดาษแข็งขนาดเล็ก ให้ติดตามตำแหน่งของปุ่มกด ไฟแสดงสถานะ ไฟระบุ และหน้าต่างกล้อง pi (ภาพที่ 1)

   หมายเหตุ: หน้าต่างกล้อง Pi ควรมีขนาดประมาณ 3/4" x 1/2"

2. ใช้มีดที่มีความแม่นยำของคุณ ตัดร่องรอยออก

   หมายเหตุ: คุณอาจต้องการทดสอบขนาดตามที่คุณไป (ภาพที่ 1)

3. ทางเลือก: ทาสีเคส! ฉันเลือกใช้สีสเปรย์:)
4. ตัดฝาครอบ "หน้าต่าง" สี่เหลี่ยมสำหรับกล้อง Pi (ภาพที่ 4) แล้วทากาวที่ด้านในของกล่อง

5. สุดท้ายตัดช่องสำหรับสายไฟ Pi

   แนะนำให้ติดตั้งอุปกรณ์อิเล็กทรอนิกส์ทั้งหมดก่อนเพื่อหาตำแหน่งที่ดีที่สุดสำหรับช่องเสียบสายไฟ pi

ขั้นตอนที่ 8: ติดตั้งและปรับใช้

แค่นั้นแหละ! คุณพร้อมที่จะติดตั้งและปรับใช้โครงการของคุณแล้ว! วางกล่องหุ้มไว้เหนือถังขยะของคุณ เสียบปลั๊ก Pi และเรียกใช้โปรแกรมเพื่อให้ได้วิธีการลดขยะที่รวดเร็วและเชื่อถือได้มากขึ้น เย้!

ดำเนินต่อไป

• แบ่งปันโครงการและความคิดของคุณกับคนอื่น ๆ ผ่านชุมชน Lobe Reddit!
• ตรวจสอบ Lobe Python GitHub repo สำหรับภาพรวมทั่วไปเกี่ยวกับวิธีใช้ Python เพื่อปรับใช้โครงการ Lobe ที่หลากหลายยิ่งขึ้น
• คำถามหรือคำขอโครงการ? แสดงความคิดเห็นในโครงการนี้หรือติดต่อเราโดยตรง: [email protected]