Дахин боловсруулах робот: 15 алхам (зурагтай)

2025 Зохиолч: John Day | [email protected]. Хамгийн сүүлд өөрчлөгдсөн: 2025-01-23 15:00

Олон нийт, аж ахуйн нэгжийн бохирдлын дундаж хэмжээ 25%хүртэл байдаг гэдгийг та мэдэх үү? Энэ нь таны хаясан дахин боловсруулалтын дөрвөн ширхэг тутмын нэг нь дахин боловсруулагдахгүй гэсэн үг юм. Энэ нь дахин боловсруулах төвүүдэд хүний буруутай үйлдлээс үүдэлтэй юм. Уламжлал ёсоор ажилчид хог хаягдлыг материалаас хамааран өөр өөр хогийн саванд ангилдаг. Хүмүүс алдаа гаргаж, эцэст нь хогоо зөв ангилж чадахгүй байх нь бохирдоход хүргэдэг. Өнөөгийн нийгэмд бохирдол, уур амьсгалын өөрчлөлт улам бүр чухал болж байгаа тул дахин боловсруулах нь манай гаригийг хамгаалахад асар их үүрэг гүйцэтгэдэг. Хог хаягдлыг цэгцлэхийн тулд роботыг ашигласнаар бохирдлын хэмжээ эрс буурах болно, үүнээс хамаагүй хямд, илүү тогтвортой байх болно. Үүнийг шийдэхийн тулд би янз бүрийн дахин боловсруулах материалыг хооронд нь ялгахын тулд машин сурах аргыг ашигладаг дахин боловсруулах ангилах роботыг бүтээсэн.

Алхам 1: эд анги

Энэхүү гарын авлагад дагаж мөрдөх дараах хэсгүүд байгаа эсэхийг шалгаарай.

3D хэвлэсэн эд анги (доорх алхамыг үзнэ үү)

Raspberry Pi RPI 4 4GB

Google Шүрэн USB хурдасгуур

Arduino Uno R3

Raspberry Pi камерын модуль V2

5V 2A DC хананы цахилгаан хангамж

DC 12V цахилгаан хангамж

SG90 9g Micro Servos 4 ширхэг.

M3 x 0.5mm зэвэрдэггүй ган өөрөө түгжигддэг Nylon Hex цоож самар 100 ширхэг.

M3x20 товчлууртай толгой титан боолт 10 ширхэг.

MG996R металл арааны момент аналог серво мотор 4 ширхэг.

Samsung 32GB санах ойн картыг сонгоно уу

Raspberry Pi камерын Adafruit Flex кабель - 1 метр

М2 эрэгтэй эмэгтэй гуулин зайг зогсоогч шураг самар төрөл бүрийн иж бүрдэл

60мм 12V сэнс

6.69 "x 5.12" x 2.95 "Төслийн хайрцаг

Алхам 2: 3D хэвлэсэн хэсэг

Та робот гарны бүх хэсгийг 3D хэвлэх шаардлагатай болно. Та эндээс бүх файлыг олох боломжтой.

Алхам 3: Код

Энэхүү гарын авлагыг дагаж мөрдөхийн тулд миний GitHub репозиторыг хуулбарлана уу.

Алхам 4: Мэдээлэл авах

Дахин боловсруулж буй янз бүрийн материалыг илрүүлж таних чадвартай объект илрүүлэх загварыг сургахын тулд би 2527 зураг агуулсан хогийн сүлжээний мэдээллийн санг ашигласан.

• 501 шил
• 594 цаас
• 403 ширхэг картон
• 482 хуванцар
• 410 металл
• 137 хог

Дээрх зураг бол мэдээллийн сангаас авсан зургуудын нэг жишээ юм.

Энэхүү мэдээллийн сан нь объект илрүүлэх загварыг сургахад маш бага юм. Нарийн загварыг сургахад дэндүү бага хэмжээтэй хогны 100 орчим зураг байгаа тул би үүнийг орхихоор шийдлээ.

Та энэ google drive фолдерыг ашиглан мэдээллийн санг татаж авах боломжтой. Database-resized.zip файлыг татаж авахаа мартуузай. Сургалтыг хурдан явуулахын тулд аль хэдийн жижиг хэмжээтэй болгож өөрчилсөн зургуудыг багтаасан болно. Хэрэв та түүхий зургуудын хэмжээг өөрийн үзэмжээр өөрчлөхийг хүсч байвал datat-original.zip файлыг татаж авах боломжтой.

Алхам 5: Зургийг шошголох

Дараа нь бид объектыг илрүүлэх загварыг сургахын тулд янз бүрийн дахин боловсруулах материалын хэд хэдэн зургийг шошголох хэрэгтэй. Үүнийг хийхийн тулд би объектыг хязгаарлах хайрцгийг зураг дээр тэмдэглэх боломжийг олгодог үнэгүй програм хангамж болох labelImg -ийг ашигласан.

Зураг бүрийг зохих шошготойгоор тэмдэглээрэй. Энэ заавар нь хэрхэн яаж хийхийг танд харуулав. Илрүүлэх загварыг аль болох нарийвчлалтай байлгахын тулд хязгаарлах хайрцаг бүрийг обьект бүрийн ирмэг рүү ойртуулж байгаарай. Бүх.xml файлуудыг фолдерт хадгална уу.

Дээрх зураг нь таны зургийг хэрхэн шошголохыг харуулж байна.

Энэ бол маш уйтгартай, ухаан алдах туршлага юм. Баярлалаа, би танд зориулж бүх зургийг аль хэдийн тэмдэглэсэн байгаа! Та эндээс олж болно.

Алхам 6: Сургалт

Сургалтын хувьд Tensorflow ашиглан дамжуулах сургалтыг ашиглахаар шийдсэн. Энэ нь бидэнд их хэмжээний өгөгдөлгүйгээр зохистой үнэн зөв загварыг сургах боломжийг олгодог.

Үүнийг хийх хэд хэдэн арга бий. Бид үүнийг үүлэн дээрх өөрийн ширээний компьютер дээр хийх боломжтой. Манай локал машин дээр сургалт явуулах нь таны компьютер хэр хүчтэй, хэрвээ танд хүчирхэг GPU байгаа эсэхээс хамаарч маш удаан хугацаа шаардагдах болно. Энэ бол миний бодлоор хамгийн хялбар арга боловч хурдны сул талтай.

Шилжүүлгийн сургалтын талаар анхаарах ёстой гол зүйлүүд байдаг. Сургалтанд зориулж урьдчилан бэлтгэсэн загвар нь Coral Edge TPU-тэй нийцэж байгаа эсэхийг шалгах хэрэгтэй. Тохиромжтой загваруудыг эндээс олж болно. Би MobileNet SSD v2 (COCO) загварыг ашигласан. Бусадтай ч бас туршиж үзээрэй.

Орон нутгийн машин дээрээ сургахын тулд Windows 10 дээр ажиллаж байгаа бол Google -ийн заавар эсвэл EdjeElectronics -ийн зааврыг дагахыг зөвлөж байна. Би хувьдаа EdjeElectroncs -ийн хичээлийг туршиж үзээд ширээний компьютер дээрээ амжилтанд хүрсэн. Google -ийн заавар ажиллах эсэхийг би баталж чадахгүй байна, гэхдээ энэ нь ажиллахгүй бол би гайхах болно.

Үүлэн дээр бэлтгэл хийхийн тулд та AWS эсвэл GCP ашиглаж болно. Та оролдож үзэх боломжтой энэ хичээлийг оллоо. Энэ нь таны объект илрүүлэх загварыг маш хурдан сургах боломжтой Google -ийн үүл TPU -ийг ашигладаг. AWS -ийг бас чөлөөтэй ашиглаарай.

Та өөрийн орон нутгийн машин дээр эсвэл үүлэн дээр бэлтгэл хийж байгаа эсэхээс үл хамааран сургалтанд хамрагдсан тензорворвел загвартай болох хэрэгтэй.

Алхам 7: Сургагдсан загварыг эмхэтгэх

Таны бэлтгэгдсэн загварыг Coral Edge TPU -тэй ажиллахын тулд та үүнийг эмхэтгэх хэрэгтэй.

Дээрх нь ажлын урсгалын диаграм юм.

Сургалтын дараа та үүнийг хөлдөөсөн график хэлбэрээр хадгалах хэрэгтэй (.pb файл). Дараа нь та үүнийг Tensorflow Lite загвар болгон хөрвүүлэх хэрэгтэй. "Сургалтын дараах хэмжигдэхүүн" гэж хэрхэн хэлснийг анхаарч үзээрэй. Хэрэв та шилжүүлэх сургалтыг ашиглахдаа урьдчилан бэлтгэгдсэн нийцтэй загваруудыг ашигласан бол үүнийг хийх шаардлагагүй болно. Тохиромжтой байдлын талаархи бүрэн баримт бичгийг эндээс үзнэ үү.

Tensorflow Lite загварын тусламжтайгаар та үүнийг Edge TPU загварт хөрвүүлэх хэрэгтэй. Үүнийг хэрхэн яаж хийх талаар дэлгэрэнгүйг эндээс үзнэ үү.

Алхам 8: Хог хаягдлыг дахин боловсруулах загвар

Хэрэв та объект илрүүлэх загварыг сургах, хөрвүүлэх, эмхэтгэх гэх мэт бэрхшээлийг даван туулахыг хүсэхгүй байгаа бол миний дахин боловсруулалтыг илрүүлэх загварыг эндээс үзээрэй.

Алхам 9: Загварыг байрлуулах

Дараагийн алхам бол бэлтгэгдсэн объект илрүүлэх загварыг ажиллуулахын тулд Raspberry Pi (RPI) ба Edge TPU -ийг тохируулах явдал юм.

Нэгдүгээрт, энэ хичээлийг ашиглан RPI -ийг тохируулна уу.

Дараа нь энэхүү зааврыг дагаж Edge TPU -г тохируулна уу.

Эцэст нь RPI камерын модулийг бөөрөлзгөнө pi -тэй холбоно уу.

Та одоо объект илрүүлэх загвараа туршихад бэлэн боллоо!

Хэрэв та миний репозиторийг аль хэдийн хуулбарласан бол та RPI лавлах руу очиж test_detection.py файлыг ажиллуулахыг хүсэх болно.

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

Жижиг цонх гарч ирэх ёстой бөгөөд хэрэв та хуванцар усны сав эсвэл бусад хог хаягдлыг дахин боловсруулах материал тавих юм бол дээрх зураг шиг илрүүлэх ёстой.

Хөтөлбөрийг дуусгахын тулд гарынхаа "q" үсгийг дарна уу.

Алхам 10: Робот гарыг бүтээх

Робот гар бол эндээс олсон 3D хэвлэсэн гар юм. Үүнийг тохируулах зааврыг дагана уу.

Дээрх зураг дээр миний робот гар хэрхэн гарч ирснийг харуулав.

Миний код дээрх Arduino I/O зүү дагуу servo тээглүүрийг холбосон эсэхээ шалгаарай. 3, 11, 10, 9, 6, 5 -р гарыг доороос дээш холбоно.

Arduino лавлах руу очоод basicMovement.ino файлыг ажиллуулснаар энэ нь ажиллаж байгаа эсэхийг шалгаарай. Энэ нь таны гарны урд байрлуулсан объектыг барьж аваад араас нь унагах болно.

Алхам 11: RPI ба робот гарыг холбох

Бид эхлээд камерын модулийг сарвууны доод хэсэгт бэхлэх хэрэгтэй. Дээрх зураг хэрхэн харагдах ёстойг харуулж байна.

Дахин боловсруулсан материалыг хүлээн авахад гарсан алдааг багасгахын тулд камерыг аль болох шулуун тэгшлэхийг хичээ. Материалын жагсаалтад үзүүлсэн шиг урт камерын модуль тууз кабелийг ашиглах шаардлагатай болно.

Дараа нь та robotikArm.ino файлыг Arduino самбар дээр байршуулах хэрэгтэй.

Эцэст нь хэлэхэд бид RPI -ийн USB порт ба Arduino -ийн USB порт хооронд USB кабель холбох ёстой. Ингэснээр тэд цувралаар харилцах боломжтой болно. Үүнийг хэрхэн тохируулах талаар энэ зааврыг дагана уу.

Алхам 12: Эцсийн шүргэлт

Энэ алхам нь бүрэн сонголт биш боловч би бүх бүрэлдэхүүн хэсгүүдийг төслийн жижиг хайрцагт хийх дуртай.

Дээрх зургууд хэрхэн харагдаж байгааг харуулж байна.

Та төслийн хайрцгийг материалын жагсаалтаас олж болно. Би зүгээр л хэдэн цооног өрөмдөж, гагнуурыг ашиглан цахилгаан хэрэгслийг суурилуулсан. Би мөн халуун байх үед RPI болон TPU -ээр агаарын урсгалыг тогтмол байлгахын тулд 4 хөргөх сэнс суурилуулсан.

Алхам 13: гүйж байна

Та одоо робот гар болон RPI хоёуланг нь асаахад бэлэн боллоо! RPI дээр та recycle_detection.py файлыг ажиллуулж болно. Энэ нь цонх нээх бөгөөд робот гар яг л демо видео дээрх шиг ажиллаж эхлэх болно! Хөтөлбөрийг дуусгахын тулд гарынхаа "q" үсгийг дарна уу.

Кодоор тоглож, хөгжилтэй байгаарай!

Алхам 14: Ирээдүйн ажил

R. O. S. -ийг ашиглах болно гэж найдаж байна. робот гарыг илүү нарийвчлалтай хөдөлгөөнөөр удирдах. Энэ нь объектуудыг илүү нарийвчлалтай авах боломжийг олгоно.

Алхам 15: Асуулт?

Асуух зүйл байвал доор сэтгэгдэл үлдээгээрэй.