สารบัญ:

ระบบคัดแยกสินค้าอย่างง่ายด้วย Raspberry Pi และ Arduino: 5 ขั้นตอน
ระบบคัดแยกสินค้าอย่างง่ายด้วย Raspberry Pi และ Arduino: 5 ขั้นตอน

วีดีโอ: ระบบคัดแยกสินค้าอย่างง่ายด้วย Raspberry Pi และ Arduino: 5 ขั้นตอน

วีดีโอ: ระบบคัดแยกสินค้าอย่างง่ายด้วย Raspberry Pi และ Arduino: 5 ขั้นตอน
วีดีโอ: โปรเจค ถังขยะ แยกวัสดุพลาสติกและโลหะ ควบคุม Arduino 2024, พฤศจิกายน
Anonim
Image
Image

ฉันเป็นแฟนตัวยงของวิศวกรรม ฉันชอบเขียนโปรแกรมและทำโปรเจ็กต์ที่เกี่ยวข้องกับอิเล็กทรอนิกส์ในเวลาว่าง ในโครงการนี้ ฉันจะแบ่งปันระบบการคัดแยกผลิตภัณฑ์อย่างง่ายที่ฉันเพิ่งทำไปเมื่อเร็วๆ นี้กับคุณ

ในการทำระบบนี้ โปรดเตรียมส่วนประกอบดังต่อไปนี้:

1. Raspberry Pi 3 + กล้อง v2.1 + แหล่งจ่ายไฟ

2. Arduino Uno + มอเตอร์ชิลด์ + พาวเวอร์ซัพพลาย (ฉันใช้แป้งสำหรับอันนี้)

3. NodeMCU ESP8266 + มอเตอร์ชิลด์ + พาวเวอร์ซัพพลาย (ฉันใช้แป้งสำหรับอันนี้)

4. มอเตอร์กระแสตรง x 1

5. RC Servo 9g x 2

6. เซอร์โว RC MG90S x 2

7. เซ็นเซอร์ IR x 3

8. ไฟ LED สำหรับส่วนแสงสว่าง

9. ลูกปืนโอนหน่วยแบริ่ง x 1

10. กระดาษแข็ง แท่งไอศครีม หลอด

11. สายพานลำเลียง

12. แท็บเล็ตหรือสมาร์ทโฟน

ขั้นตอนที่ 1: ชิ้นส่วนระบบและส่วนประกอบ

ระบบนี้โดยทั่วไปประกอบด้วย 3 ส่วน

1. ที่เก็บสินค้าและแขนบริโภค (ผมใช้กล่องที่มีฉลากเป็นสินค้า)

2. สายพานลำเลียงและตัวกระตุ้นและเซ็นเซอร์ที่แนบมา

3. ศูนย์ควบคุมและมอนิเตอร์ (Raspberry Pi + กล้องเป็นศูนย์ควบคุมและแท็บเล็ตเป็นจอภาพ)

ขั้นตอนที่ 2: Part1-Product Storage and Consuming Arm Brief Description

Part1-Product Storage and Consuming Arm Brief Description
Part1-Product Storage and Consuming Arm Brief Description
ส่วนที่ 1-Product Storage and Consuming Arm Brief Description
ส่วนที่ 1-Product Storage and Consuming Arm Brief Description
ส่วนที่ 1-Product Storage and Consuming Arm Brief Description
ส่วนที่ 1-Product Storage and Consuming Arm Brief Description

แขนบริโภคได้รับสัญญาณควบคุมจากคอนโทรลเลอร์ (Raspberry Pi 3) เพื่อทำตามลำดับ: ยกมือขึ้น 90 องศา => แขนหมุน 90 องศา => เลื่อนลงมาที่ 0 องศา => ตรวจพบกล่องเซ็นเซอร์ IR => นิ้วชิดเพื่อรับ box => แขนหมุนกลับไป 0 องศา => นิ้วเปิดและวางกล่อง

กรุณาใส่รหัสใน:

github.com/ANM-P4F/ProductSortingSystem/tr…

ขั้นตอนที่ 3: สายพานลำเลียงส่วนที่ 2 และตัวกระตุ้นและเซ็นเซอร์ที่แนบมาด้วย

Part2-สายพานลำเลียงและตัวกระตุ้นและเซ็นเซอร์ที่แนบมา
Part2-สายพานลำเลียงและตัวกระตุ้นและเซ็นเซอร์ที่แนบมา
Part2-สายพานลำเลียงและตัวกระตุ้นและเซ็นเซอร์ที่แนบมา
Part2-สายพานลำเลียงและตัวกระตุ้นและเซ็นเซอร์ที่แนบมา
Part2-สายพานลำเลียงและตัวกระตุ้นและเซ็นเซอร์ที่แนบมา
Part2-สายพานลำเลียงและตัวกระตุ้นและเซ็นเซอร์ที่แนบมา

แกนหลักของส่วนนี้คือ Arduino Uno รับสัญญาณ "เริ่ม/หยุด" จาก Raspberry Pi ผ่านการเชื่อมต่อแบบอนุกรมเพื่อเรียกใช้/หยุดกระดิ่งสายพานลำเลียง เซ็นเซอร์ IR ตัวแรกพร้อมกระดิ่งสายพานลำเลียงเชื่อมต่อกับ Arduino Uno ผ่าน DIO เมื่อตรวจพบกล่อง Arduino Uno จะหยุดกระดิ่งของสายพานลำเลียงและส่งสัญญาณไปยัง Raspberry Pi ผ่านการเชื่อมต่อแบบอนุกรมเพื่อทำการจำแนกภาพ

หลังจากการจำแนกประเภทเสร็จสิ้น pi ราสเบอร์รี่จะส่งสัญญาณกลับไปยัง Arduino เพื่อเรียกใช้ระฆังต่อไป

เซ็นเซอร์ IR ตัวที่สองยังเชื่อมต่อกับ Arduino ผ่าน DIO เมื่อตรวจพบกล่อง Arduino จะควบคุมเซอร์โวมอเตอร์เพื่อทำการเรียงลำดับ

สำหรับรายละเอียด โปรดดูซอร์สโค้ดในลิงค์ต่อไปนี้:

github.com/ANM-P4F/ProductSortingSystem/tr…

ขั้นตอนที่ 4: ศูนย์ควบคุมและจอภาพ

ศูนย์ควบคุมและมอนิเตอร์
ศูนย์ควบคุมและมอนิเตอร์
ศูนย์ควบคุมและมอนิเตอร์
ศูนย์ควบคุมและมอนิเตอร์
ศูนย์ควบคุมและมอนิเตอร์
ศูนย์ควบคุมและมอนิเตอร์

Raspberry Pi ที่มีกล้องเชื่อมต่ออยู่คือศูนย์ควบคุม

แท็บเล็ตหรือสมาร์ทโฟนสามารถใช้เป็นแผงจอภาพได้

Raspberry Pi ได้รับคำสั่งควบคุมของผู้ใช้เพื่อเริ่ม/หยุดระบบผ่านคำขอ HTTP ซึ่งสามารถทำได้ในเว็บเบราว์เซอร์ในแท็บเล็ตหรือสมาร์ทโฟน

หลังจากได้รับคำสั่งควบคุม Raspberry Pi จะขอให้แขนและส่วนกระดิ่งของสายพานลำเลียงทำงาน

Raspberry Pi สื่อสารกับ Arduino Uno (ส่วนกระดิ่งของสายพานลำเลียง) ผ่านซีเรียลและ NodeMCU ESP8266 (ส่วนที่บริโภค) ผ่าน UDP Raspberry Pi เป็นเซิร์ฟเวอร์สตรีมมิ่ง โดยจะสตรีมภาพจากกล้องไปยังเว็บเบราว์เซอร์ นอกจากนี้ยังรันเครือข่ายการจำแนกประเภท vgg16 บน tensorflow lite เพื่อจัดประเภทกล่องเพื่อรับประเภทของโลโก้ (แบทแมน ซูเปอร์แมน และของเรา) เครือข่ายการจำแนกประเภทจะทำงานเมื่อ Raspberry Pi ได้รับคำสั่งจาก Arduino Uno เท่านั้น (เมื่อเซ็นเซอร์ IR ตัวแรกตรวจพบกล่อง)

เกี่ยวกับฉลากของกล่อง ในโครงการนี้ ฉันใช้โลโก้ 3 คลาส

หากคุณต้องการฝึกชั้นเรียนของคุณเอง โปรดใช้แหล่งข้อมูลนี้:

github.com/ANM-P4F/Classification-Keras

สำหรับรายละเอียด โปรดดูรหัสในลิงค์ต่อไปนี้:

github.com/ANM-P4F/ProductSortingSystem/tr…

ขั้นตอนที่ 5: นั่นคือทั้งหมด ! หวังว่าคุณจะชอบโครงการนี้

โปรดแจ้งให้เราทราบหากคุณต้องการข้อมูลเพิ่มเติม

แนะนำ: