Tartalomjegyzék:

Valós idejű eszközfelismerés EM lábnyomok használatával: 6 lépés
Valós idejű eszközfelismerés EM lábnyomok használatával: 6 lépés

Videó: Valós idejű eszközfelismerés EM lábnyomok használatával: 6 lépés

Videó: Valós idejű eszközfelismerés EM lábnyomok használatával: 6 lépés
Videó: Valós idejű vércukorszintmérő 2024, November
Anonim
Valós idejű eszközfelismerés EM Footprints használatával
Valós idejű eszközfelismerés EM Footprints használatával
Valós idejű eszközfelismerés EM Footprints használatával
Valós idejű eszközfelismerés EM Footprints használatával

Ez a készülék a különböző elektronikus eszközök EM jelek szerinti osztályozására szolgál. Különböző eszközök esetében különböző EM jeleket bocsátanak ki. Kifejlesztettünk egy IoT megoldást az elektronikai eszközök azonosítására Particle Photon kit segítségével. Viselhető eszközünket a csuklón is viselhetjük, amely részecskefoton kompakt csatlakozóval rendelkezik OLED kijelzővel, és áramköri csatlakozás a részecskefotonról a készletben található antennához.

Ez az eszköz tovább integrálható az elektronikus eszközök vezérlésére, és az összes nyílt forráskódú szoftverrel "intelligens eszközökké" válhat, így Ön szabályozhatja, módosíthatja vagy javíthatja az eszköz képességeit.

1. lépés: Hardver: áramkör tervezése

Hardver: Áramköri kialakítás
Hardver: Áramköri kialakítás
Hardver: Áramköri kialakítás
Hardver: Áramköri kialakítás
Hardver: Áramköri kialakítás
Hardver: Áramköri kialakítás
Hardver: Áramköri kialakítás
Hardver: Áramköri kialakítás

Alkatrészek: (a részecskegyártó készletből)

A készletet különféle online webhelyeken vásárolhatja meg.

- Amazon webhely

- Részecske weboldal

- Adafruit weboldal

  1. Részecskefoton fejlesztő tábla
  2. Ellenállások x 3 - 1 megaohm
  3. 3-5V 0,96 "SPI soros 128X64 OLED LCD kijelző
  4. Antenna (az EM -értékek/lábnyomok lekéréséhez)

2. lépés: Hardver: 3D nyomtatás

Hardver: 3D nyomtatás
Hardver: 3D nyomtatás
Hardver: 3D nyomtatás
Hardver: 3D nyomtatás
Hardver: 3D nyomtatás
Hardver: 3D nyomtatás
  • A csuklópánt tárcsát 3D nyomtatóval terveztük meg.
  • A 3D modellt Shapr3D alkalmazásban tervezték, iPad Pro segítségével.
  • A 3D modell stl fájlját importálták és behelyezték a Qidi szoftverbe, mivel az X-one-2 Qidi Tech nyomtatót használtuk.
  • A 3D nyomtató körülbelül 30 percet vett igénybe a modell nyomtatásához.
  • link az stl fájlhoz.

3. lépés: Hardver: lézervágás

  • A csuklópánt mintát az Adobe Illustrator segítségével terveztük.
  • A tervezett modellt ezután az Universal Laser gépbe exportálták, ahol a fát rugalmas csuklópántra vágtuk.
  • link a svg fájlhoz.

4. lépés: Szoftver: Adatgyűjtés

  • A Photon segítségével 3 x 100 adatértéket tesz közzé minden lehetséges példányban.

  • Az adatok írása a Photonból a data.json fájlba a csomópont -kiszolgálón.
  • Az adatok elemzése a csomópont szervertől a MATLAB -ig.
  • A MATLAB -nak küldött adatok 1 x 300 formátumúak.

5. lépés: Szoftver: Az összegyűjtött adatkészlet oktatása

  • 1 x 300 darab - a MATLAB -hoz. (Minden eszközről 27 mintát gyűjtöttek) 27 x 300 adatot gyűjtöttek.
  • Hozzáadott jellemzők az adatokhoz - (5 jellemző) - átlag, medián, szórás, ferdeség, kurtosis.
  • Az adatok betanítása a MATLAB osztályozási eszköztárba
  • Offline adatok tesztelése (6 x 6) ugyanabban az eszköztárban

6. lépés: Szoftver: az osztályok előrejelzése

Jóslás

Az élő adatok lekérése foton segítségével

A nyers adatok küldése a csomópont -kiszolgálóra. (a data.json fájlba mentett adatok)

MATLAB szkript az adatok data.json fájlból történő olvasására és az eredmény előrejelzésére

Ajánlott: