สารบัญ:

TouchFree: ตรวจวัดอุณหภูมิอัตโนมัติและคีออสก์ตรวจจับหน้ากาก: 5 ขั้นตอน
TouchFree: ตรวจวัดอุณหภูมิอัตโนมัติและคีออสก์ตรวจจับหน้ากาก: 5 ขั้นตอน

วีดีโอ: TouchFree: ตรวจวัดอุณหภูมิอัตโนมัติและคีออสก์ตรวจจับหน้ากาก: 5 ขั้นตอน

วีดีโอ: TouchFree: ตรวจวัดอุณหภูมิอัตโนมัติและคีออสก์ตรวจจับหน้ากาก: 5 ขั้นตอน
วีดีโอ: Sanetiq - Temperature control, automatic dispenser, face mask detect (COVID-19 temperature Detect) 2024, พฤศจิกายน
Anonim
Image
Image
TouchFree: ตรวจวัดอุณหภูมิอัตโนมัติและคีออสก์ตรวจจับหน้ากาก
TouchFree: ตรวจวัดอุณหภูมิอัตโนมัติและคีออสก์ตรวจจับหน้ากาก
TouchFree: ตรวจวัดอุณหภูมิอัตโนมัติและคีออสก์ตรวจจับหน้ากาก
TouchFree: ตรวจวัดอุณหภูมิอัตโนมัติและคีออสก์ตรวจจับหน้ากาก

ในขณะที่ประเทศต่างๆ ทั่วโลกกำลังกลับมาเปิดใหม่ การใช้ชีวิตร่วมกับไวรัสโคโรน่าสายพันธุ์ใหม่จึงกลายเป็นวิถีชีวิตรูปแบบใหม่ แต่เพื่อหยุดการแพร่กระจายของไวรัส เราต้องแยกคนที่มีไวรัสโคโรน่าออกจากส่วนที่เหลือ

จากข้อมูลของ CDC ไข้เป็นอาการสำคัญของ Coronavirus โดยผู้ป่วยที่มีอาการมากถึง 83% มีอาการแสดงอาการไข้ หลายประเทศกำหนดให้การตรวจวัดอุณหภูมิและหน้ากากเป็นสิ่งจำเป็นสำหรับโรงเรียน วิทยาลัย สำนักงาน และสถานที่ทำงานอื่นๆ

ปัจจุบันการตรวจวัดอุณหภูมิทำได้ด้วยตนเองโดยใช้เครื่องวัดอุณหภูมิแบบไร้สัมผัส การตรวจสุขภาพด้วยตนเองอาจไม่มีประสิทธิภาพ ทำไม่ได้ (ในสถานที่ที่มีการเดินเท้ามาก) และมีความเสี่ยง

เพื่อแก้ปัญหาเหล่านี้ ฉันได้ออกแบบคีออสก์ที่ทำให้กระบวนการตรวจวัดอุณหภูมิเป็นไปโดยอัตโนมัติโดยใช้เซ็นเซอร์อุณหภูมิอินฟราเรดแบบสัมผัสใบหน้าและการสัมผัส และการตรวจจับหน้ากากโดยใช้โครงข่ายประสาทการเรียนรู้ลึก

การใช้คีออสก์นี้ไม่ได้จำกัดเฉพาะโรงเรียน วิทยาลัย สำนักงาน สถานที่ทำงานอื่นๆ แต่ยังสามารถใช้ได้ในพื้นที่ที่มีความเสี่ยงสูง เช่น โรงพยาบาล อุปกรณ์นี้ยังสามารถใช้ได้ที่สถานีรถไฟ ป้ายรถเมล์ สนามบิน ฯลฯ

แนวทางของฉันสำหรับโครงการนี้คือการสร้างกระบวนการตั้งค่าที่คล่องตัว เพื่อให้ใครก็ตามที่ไม่มีประสบการณ์ด้าน Computer Vision หรือ Deep Learning มาก่อนก็สามารถใช้สิ่งนี้ได้ เป็นโครงการที่ทำงานได้อย่างสมบูรณ์และพร้อมใช้งาน ฉันทำให้โปรเจ็กต์นี้ปรับแต่งได้อย่างมากโดยการเพิ่มไฟล์โค้ดสำหรับแต่ละส่วนแบบสแตนด์อโลนและเวอร์ชันเต็ม ดังนั้น คุณสามารถใช้ส่วนใดส่วนหนึ่งของโครงการแยกกันได้

คำอธิบาย

ประการแรก Deep Learning Neural Network ที่ใช้ Tensorflow พยายามตรวจสอบว่าบุคคลนั้นสวมหน้ากากหรือไม่ ระบบได้รับการทำให้แข็งแกร่งขึ้นโดยการฝึกอบรมด้วยตัวอย่างต่างๆ มากมายเพื่อป้องกันผลบวกที่ผิดพลาด

เมื่อระบบตรวจพบหน้ากากแล้ว จะขอให้ผู้ใช้ถอดหน้ากากออกเพื่อให้สามารถทำ Facial Landmarking ได้ ระบบกำลังใช้โมดูล DLIB สำหรับการระบุตำแหน่งใบหน้าเพื่อค้นหาจุดที่ดีที่สุดบนหน้าผากของบุคคลเพื่อรับอุณหภูมิ

จากนั้นโดยใช้ระบบควบคุม PID กับเซอร์โวมอเตอร์ ระบบจะพยายามจัดตำแหน่ง Selected Spot บนหน้าผากกับเซนเซอร์ เมื่อปรับแนวแล้ว ระบบจะใช้การอ่านอุณหภูมิโดยใช้เซ็นเซอร์อุณหภูมิ IR แบบไม่สัมผัส

หากอุณหภูมิอยู่ในช่วงอุณหภูมิปกติของร่างกายมนุษย์ บุคคลนั้นจะดำเนินการและส่งอีเมลไปยังผู้ดูแลระบบพร้อมรูปภาพและรายละเอียดอื่นๆ เช่น อุณหภูมิร่างกาย ฯลฯ

เสบียง

ฮาร์ดแวร์

  1. Raspberry Pi รุ่น 2/3/4
  2. โมดูลกล้อง Raspberry Pi v1/v2
  3. โมดูลเซ็นเซอร์อุณหภูมิอินฟราเรดแบบไม่สัมผัส (MLX90614)
  4. หน้าจอสัมผัส Raspberry Pi อย่างเป็นทางการ (หรือหน้าจอสัมผัสขนาด 3.5 นิ้วทั่วไป) (อุปกรณ์เสริม)
  5. ชุดแพนเอียง
  6. SG90 ไมโครดิจิตอลเซอร์โว x 2
  7. การ์ด MicroSD
  8. Raspberry Pi Power Adapter

ซอฟต์แวร์

  1. Raspberry Pi OS (เดิมชื่อ Raspbian)
  2. เทนเซอร์โฟลว์-2.2.2
  3. OpenCV
  4. DLIB ใบหน้าแลนด์มาร์ค

แนะนำ: