การจดจำอุปกรณ์แบบเรียลไทม์โดยใช้ EM Footprints: 6 ขั้นตอน

2025 ผู้เขียน: John Day | [email protected]. แก้ไขล่าสุด: 2025-01-13 06:58

อุปกรณ์นี้มีวัตถุประสงค์เพื่อจำแนกอุปกรณ์อิเล็กทรอนิกส์ต่างๆ ตามสัญญาณ EM สำหรับอุปกรณ์ต่าง ๆ พวกมันมีสัญญาณ EM ที่แตกต่างกันออกไป เราได้พัฒนาโซลูชัน IoT เพื่อระบุอุปกรณ์อิเล็กทรอนิกส์โดยใช้ชุดอนุภาคโฟตอน อุปกรณ์สวมใส่ของเราสวมใส่ได้บนข้อมือซึ่งมีการเชื่อมต่อโฟตอนอนุภาคขนาดเล็กพร้อมจอแสดงผล OLED และการเชื่อมต่อวงจรจากโฟตอนอนุภาคไปยังเสาอากาศที่จัดมาให้ในชุด

อุปกรณ์นี้สามารถรวมเพิ่มเติมเพื่อควบคุมอุปกรณ์อิเล็กทรอนิกส์และทำให้เป็น "อุปกรณ์อัจฉริยะ" ด้วยซอฟต์แวร์โอเพ่นซอร์สทั้งหมด เพื่อให้คุณสามารถควบคุม ปรับเปลี่ยน หรือปรับปรุงความสามารถของอุปกรณ์นี้ได้

ขั้นตอนที่ 1: ฮาร์ดแวร์: การออกแบบวงจร

ส่วนประกอบ: (จากชุดเครื่องทำอนุภาค)

คุณสามารถซื้อชุดอุปกรณ์ได้จากเว็บไซต์ออนไลน์ต่างๆ

-- เว็บไซต์อเมซอน

-- เว็บไซต์อนุภาค

-- เว็บไซต์ Adafruit

1. บอร์ดพัฒนาอนุภาคโฟตอน
2. ตัวต้านทาน x 3 -- 1 เมกะโอห์ม
3. 3-5V 0.96" SPI Serial 128X64 OLED LCD Display
4. เสาอากาศ (สำหรับอ่านค่า EM/รอยเท้า)

ขั้นตอนที่ 2: ฮาร์ดแวร์: การพิมพ์ 3 มิติ

• เราออกแบบสายรัดข้อมือโดยใช้เครื่องพิมพ์ 3 มิติ
• โมเดล 3 มิติได้รับการออกแบบในแอปพลิเคชัน Shapr3D โดยใช้ iPad Pro
• stl ของโมเดล 3 มิติถูกนำเข้าและผลักลงในซอฟต์แวร์ Qidi เนื่องจากเราใช้เครื่องพิมพ์ X-one-2 Qidi Tech
• เครื่องพิมพ์ 3 มิติใช้เวลาประมาณ 30 นาทีในการพิมพ์แบบจำลอง
• เชื่อมโยงไปยังไฟล์ stl

ขั้นตอนที่ 3: ฮาร์ดแวร์: การตัดด้วยเลเซอร์

• เราออกแบบรูปแบบสายรัดข้อมือโดยใช้ Adobe Illustrator
• จากนั้นโมเดลที่ออกแบบแล้วส่งออกไปยังเครื่อง Universal Laser ซึ่งเราตัดไม้ให้เป็นสายรัดข้อมือที่ยืดหยุ่นได้
• ลิงก์ไปยังไฟล์ svg

ขั้นตอนที่ 4: ซอฟต์แวร์: การรวบรวมข้อมูล

• ใช้ Photon เผยแพร่ค่าข้อมูล 3 x 100 ทุกอินสแตนซ์ที่เป็นไปได้

• การเขียนข้อมูลจาก Photon ไปยัง data.json ในโหนดเซิร์ฟเวอร์
• การวิเคราะห์ข้อมูลจากโหนดเซิร์ฟเวอร์ไปยัง MATLAB
• ข้อมูลที่ส่งไปยัง MATLAB จะอยู่ในรูปแบบ 1 x 300

ขั้นตอนที่ 5: ซอฟต์แวร์: ฝึกชุดข้อมูลที่รวบรวม

• ชิ้นขนาด 1 x 300 - ป้อน MATLAB (สำหรับแต่ละอุปกรณ์ 27 ตัวอย่างที่เก็บรวบรวม) รวบรวมข้อมูล 27 x 300
• เพิ่มคุณสมบัติให้กับข้อมูล - (5 คุณสมบัติ) - ค่าเฉลี่ย, ค่ามัธยฐาน, ส่วนเบี่ยงเบนมาตรฐาน, ความเบ้, ความโด่ง
• การฝึกอบรมข้อมูลลงในกล่องเครื่องมือการจำแนก MATLAB
• การทดสอบข้อมูลออฟไลน์ (6 x 6) ในกล่องเครื่องมือเดียวกัน

ขั้นตอนที่ 6: ซอฟต์แวร์: การทำนายคลาส

คาดการณ์

การดึงข้อมูลสดโดยใช้โฟตอน

กำลังส่งข้อมูลดิบไปยังเซิร์ฟเวอร์โหนด (ข้อมูลที่บันทึกไว้ในไฟล์ data.json)

สคริปต์ MATLAB สำหรับอ่านข้อมูลจากไฟล์ data.json และทำนายผล

บันทึกผลลัพธ์ลงใน result.json