Geri Dönüşüm Sıralama Robotu: 15 Addım (Şəkillərlə birlikdə)

2024 Müəllif: John Day | [email protected]. Son dəyişdirildi: 2024-01-30 07:44

İcmalarda və müəssisələrdə orta çirklənmə nisbətinin 25%-ə qədər olduğunu bilirdinizmi? Bu o deməkdir ki, atdığınız hər dörd parçadan biri geri çevrilmir. Bu, təkrar emal mərkəzlərində insan səhvləri səbəbindən baş verir. Ənənəvi olaraq, işçilər materialdan asılı olaraq zibilləri müxtəlif zibil qutularına ayıracaqlar. İnsanlar səhv etmək məcburiyyətindədirlər və zibili düzgün sıralamamaqla çirklənməyə səbəb olurlar. Çirklənmə və iqlim dəyişikliyi bugünkü cəmiyyətdə daha da əhəmiyyətli hala gəldikcə, təkrar emal planetimizin qorunmasında böyük rol oynayır. Zibil qutularını sıralamaq üçün robotlardan istifadə edərək, çirklənmə dərəcələri çox ucuzlaşacaq və daha dayanıqlı olmayacaq. Bunu həll etmək üçün, maşınların öyrənilməsindən istifadə edərək, təkrar emal materialları arasında sıralamaq üçün bir təkrar emal robotu yaratdım.

Addım 1: hissələr

Bu dərslə birlikdə izləmək üçün aşağıdakı hissələrə sahib olduğunuzdan əmin olun:

3D Çaplı hissələr (aşağıdakı addıma baxın)

Raspberry Pi RPI 4 4GB

Google Coral USB Sürətləndiricisi

Arduino Uno R3

Raspberry Pi Kamera Modulu V2

5V 2A DC Divar Güc Təchizatı

DC 12V enerji təchizatı

SG90 9g Mikro Servo 4 ədəd.

M3 x 0.5mm Paslanmayan Polad Self-Lock Neylon Hex Lock Somun 100 ədəd.

M3x20 Düyməli Başlı Titanyum Vintlər 10 ədəd.

MG996R Metal Ötürücü Tork Analog Servo Motor 4 ədəd.

Samsung 32GB Yaddaş Kartı seçin

Raspberry Pi Kamera üçün Adafruit Flex Kabeli - 1 metr

M2 Kişi Qadın Pirinç Spacer Standoff Vida Fındıq Çeşidləri Kit

60 mm 12V fan

6.69 "x 5.12" x 2.95 "Layihə Qutusu

Addım 2: 3D çaplı hissələr

Robot qolu üçün bütün hissələri 3D çap etməlisiniz. Bütün faylları burada tapa bilərsiniz.

Addım 3: Kod

Zəhmət olmasa bu təlimatı izləmək üçün GitHub depomuzu klonlaşdırın.

Addım 4: Məlumat əldə etmək

Fərqli təkrar emal materiallarını aşkar edə və tanıya bilən obyekt aşkarlama modelini öyrətmək üçün 2527 şəkildən ibarət olan zibil qutusu məlumatlarından istifadə etdim:

• 501 şüşə
• 594 kağız
• 403 karton
• 482 plastik
• 410 metal
• 137 zibil

Yuxarıdakı şəkil, verilənlər bazasındakı şəkillərdən birinin nümunəsidir.

Bir obyekt aşkarlama modelini öyrətmək üçün bu verilənlər bazası çox kiçikdir. Düzgün bir model hazırlamaq üçün çox az olan 100 -ə yaxın zibil şəkli var, buna görə də onu tərk etmək qərarına gəldim.

Veri toplusunu yükləmək üçün bu Google sürücü qovluğundan istifadə edə bilərsiniz. Database-resized.zip faylını yüklədiyinizə əmin olun. Daha sürətli təhsilə imkan vermək üçün artıq daha kiçik ölçülərə çevrilmiş şəkillər dəstini ehtiva edir. Xam şəkilləri öz zövqünüzə uyğun olaraq ölçüsünə dəyişdirmək istəyirsinizsə, dataset-original.zip faylını yükləməkdən çekinmeyin.

Addım 5: Şəkillərin etiketlənməsi

Sonra, obyektlərin aşkarlanması modelini öyrətmək üçün müxtəlif təkrar emal materiallarının bir neçə şəklini etiketləməliyik. Bunu etmək üçün şəkillərdə obyekt məhdudlaşdıran qutuları etiketləməyinizə imkan verən pulsuz bir proqram olan labelImg istifadə etdim.

Hər bir görüntünü müvafiq etiketlə etiketləyin. Bu təlimat sizə necə olduğunu göstərir. Algılama modelinin mümkün qədər dəqiq olmasını təmin etmək üçün hər bir sərhəd qutusunu hər bir obyektin sərhədinə yaxınlaşdırdığınızdan əmin olun. Bütün.xml fayllarını bir qovluğa qeyd edin.

Yuxarıdakı şəkil, şəkillərinizi necə etiketleyeceğinizi göstərir.

Bu çox darıxdırıcı və ağılsız bir təcrübədir. Şükürlər olsun ki, artıq bütün şəkilləri sizin üçün etiketləmişəm! Burada tapa bilərsiniz.

Addım 6: Təlim

Təlim baxımından Tensorflow istifadə edərək transfer öyrənməsindən istifadə etmək qərarına gəldim. Bu, çox miqdarda məlumat olmadan düzgün bir model hazırlamağa imkan verir.

Bunu edə biləcəyimiz bir neçə yol var. Buluddakı yerli masaüstü maşınımızda bunu edə bilərik. Yerli maşınımızda təlim, kompüterinizin nə qədər güclü olduğuna və güclü bir GPU -ya malik olmağınızdan asılı olaraq çox uzun bir zaman alacaq. Bu, mənim fikrimcə, bəlkə də ən asan yoldur, amma yenə də aşağı sürətlə.

Transfer təhsili ilə əlaqədar qeyd etməli olduğunuz bəzi vacib məqamlar var. Təlim üçün istifadə etdiyiniz əvvəlcədən öyrədilmiş modelin Coral Edge TPU ilə uyğun olduğundan əmin olmalısınız. Uyğun modelləri burada tapa bilərsiniz. MobileNet SSD v2 (COCO) modelindən istifadə etdim. Başqaları ilə də sınaqdan keçməkdən çekinmeyin.

Yerli maşınınızda məşq etmək üçün Windows 10 -da işləyərkən Google təlimatını və ya EdjeElectronics təlimatını izləməyi məsləhət görürəm. Şəxsən mən EdjeElectroncs təlimatını sınamışam və masaüstümdə uğur qazanmışam. Google təlimatının işləyəcəyini təsdiq edə bilmərəm, amma işləməsə təəccüblənərəm.

Buludda məşq etmək üçün AWS və ya GCP istifadə edə bilərsiniz. Sınaya biləcəyiniz bu təlimatı tapdım. Obyekt aşkarlama modelinizi çox sürətli öyrədə bilən Google -un bulud TPU -larından istifadə edir. AWS -dən də istifadə etməkdən çekinmeyin.

İstər yerli maşınınızda, istərsə də buludda məşq etsəniz, sonda təlim keçmiş bir tensorflow modelini əldə etməlisiniz.

Addım 7: Təlim edilmiş Modelin tərtib edilməsi

Təlim etdiyiniz modelin Coral Edge TPU ilə işləməsi üçün onu tərtib etməlisiniz.

Yuxarıda iş axını üçün bir diaqram var.

Təlimdən sonra onu donmuş bir qrafik olaraq (.pb faylı) saxlamalısınız. Sonra onu Tensorflow Lite modelinə çevirməlisiniz. "Təlimdən sonrakı kvantlaşdırma" nın necə yazıldığına diqqət yetirin. Transfer təhsilindən istifadə edərkən əvvəlcədən öyrədilmiş uyğun modellərdən istifadə etmisinizsə, bunu etməyinizə ehtiyac yoxdur. Uyğunluq haqqında tam sənədlərə buradan baxın.

Tensorflow Lite modeli ilə onu bir Edge TPU modelinə yığmalısınız. Bunun necə ediləcəyi ilə bağlı təfərrüatlara buradan baxın.

Addım 8: Geri Dönüşüm Algılama Modeli

Obyekt aşkarlama modelini öyrətmək, çevirmək və tərtib etmək əngəlindən keçmək istəmirsinizsə, buradakı geri dönüşüm aşkarlama modelimə baxın.

Addım 9: Modeli yerləşdirin

Növbəti addım, öyrədilmiş obyekt aşkarlama modelini işə salmaq üçün Raspberry Pi (RPI) və Edge TPU qurmaqdır.

Əvvəlcə bu təlimatı istifadə edərək RPI qurun.

Sonra, bu dərsdən sonra Edge TPU qurun.

Nəhayət, RPI kamera modulunu moruq pi -yə qoşun.

İndi obyekt aşkarlama modelinizi sınamağa hazırsınız!

Artıq depomuzu klonlamısınızsa, RPI qovluğuna getmək və test_detection.py faylını işə salmaq istəyəcəksiniz:

python test_detection.py --model recycle_ssd_mobilenet_v2_quantized_300x300_coco_2019_01_03/detect_edgetpu.tflite --labels recycle_ssd_mobilenet_v2_quantized_300x300_0c0_201

Kiçik bir pəncərə açılmalı və plastik bir su şüşəsi və ya başqa bir geri çevrilmə materialı qoysanız, yuxarıdakı şəkildəki kimi aşkar etməlidir.

Proqramı bitirmək üçün klaviaturanızdakı "q" hərfinə basın.

Addım 10: Robotik qolu qurun

Robot qol, burada tapdığım 3D çaplı bir qol. Yalnız onu qurmaq üçün təlimatı izləyin.

Yuxarıdakı şəkil robot qolumun necə çıxdığını göstərir.

Kodumdakı Arduino G/Ç pinlərinə uyğun olaraq servo pinləri bağladığınızdan əmin olun. Servoları qolun aşağıdan yuxarıya doğru bu qaydada bağlayın: 3, 11, 10, 9, 6, 5. Bu qaydada bağlamamaq qolun yanlış servonun hərəkət etməsinə səbəb olacaq!

Arduino qovluğuna gedərək və basicMovement.ino faylını işlədərək işlədiyini görmək üçün test edin. Bu, qolun önünə qoyduğunuz bir obyekti tutub arxasına atacaq.

Addım 11: RPI və Robotik Kolu birləşdirin

Əvvəlcə kamera modulunu pəncənin altına yerləşdirməliyik. Yuxarıdakı şəkil necə görünməli olduğunu göstərir.

Tanınmış geri çevrilmə materialını ələ keçirməkdə səhvləri minimuma endirmək üçün kameranı mümkün qədər düz bir şəkildə düzəltməyə çalışın. Materiallar siyahısında göründüyü kimi uzun kamera modulu lent kabelindən istifadə etməlisiniz.

Sonra, roboticArm.ino faylını Arduino lövhəsinə yükləməlisiniz.

Nəhayət, RPI -nin USB portu ilə Arduinonun USB portu arasında bir USB kabel bağlamalıyıq. Bu, serial vasitəsilə ünsiyyət qurmağa imkan verəcək. Bunun necə qurulacağına dair bu təlimatı izləyin.

Addım 12: Son toxunuşlar

Bu addım tamamilə isteğe bağlıdır, amma bütün komponentlərimi gözəl bir layihə qutusuna qoymaq istəyirəm.

Yuxarıdakı şəkillər onun necə göründüyünü göstərir.

Layihə qutusunu materiallar siyahısında tapa bilərsiniz. Mən yalnız bir neçə deşik qazdım və pirinç dayaqlardan istifadə edərək elektronikanı quraşdırdım. İsti olduqda RPI və TPU -dan sabit bir hava axını təmin etmək üçün 4 soyutma fanatı da quraşdırdım.

Addım 13: Qaçın

İndi həm robot qolunu, həm də RPI -ni işə salmağa hazırsınız! RPI -də, sadəcə recycle_detection.py faylını işlədə bilərsiniz. Bu bir pəncərə açacaq və robot qolu demo videoda olduğu kimi işləməyə başlayacaq! Proqramı bitirmək üçün klaviaturanızdakı "q" hərfinə basın.

Kodla oynamaqdan və əylənməkdən çekinmeyin!

Addım 14: Gələcək İş

Ümid edirəm R. O. S. robot qolunu daha dəqiq hərəkətlərlə idarə etmək. Bu, obyektlərin daha dəqiq seçilməsini təmin edəcək.

Addım 15: Suallar?

Hər hansı bir sualınız olarsa aşağıda şərh yazmaqdan çekinmeyin!