EM Ayak İzlerini Kullanarak Gerçek Zamanlı Cihaz Tanıma: 6 Adım

2025 Yazar: John Day | [email protected]. Son düzenleme: 2025-01-13 06:58

Bu cihaz, farklı elektronik cihazları EM sinyallerine göre sınıflandırmak için tasarlanmıştır. Farklı cihazlar için, yaydıkları farklı EM sinyalleri vardır. Particle Photon kitini kullanarak elektronik cihazları tanımlamak için bir IoT çözümü geliştirdik. OLED ekranlı partikül fotonun kompakt bağlantısı ve partikül fotondan kit içerisinde bulunan antene devre bağlantısı olan giyilebilir cihazımız bileğe takılabilir.

Bu cihaz, elektronik cihazları kontrol etmek ve bunları tüm açık kaynaklı yazılımlarla "Akıllı cihazlar" yapmak için daha da entegre edilebilir, böylece onu kontrol edebilir, bu cihazın kapasitesini değiştirebilir veya geliştirebilirsiniz.

Adım 1: Donanım: Devre Tasarımı

Bileşenler: (Particle Maker kitinden)

Kiti çeşitli çevrimiçi web sitelerinden satın alabilirsiniz.

-- Amazon Web Sitesi

-- Parçacık Web Sitesi

-- Adafruit Web Sitesi

1. Parçacık foton geliştirme kurulu
2. Dirençler x 3 -- 1 megaohm
3. 3-5V 0.96" SPI Seri 128X64 OLED LCD Ekran
4. Anten (EM okumalarını/ayak izlerini almak için)

2. Adım: Donanım: 3D Baskı

• Bilek bandı kadranımızı 3D yazıcı kullanarak tasarladık.
• 3D model, iPad Pro kullanılarak Shapr3D uygulamasında tasarlanmıştır.
• 3D modelin stl dosyası içe aktarıldı ve X-one-2 Qidi Tech yazıcıyı kullandığımız için Qidi yazılımına aktarıldı.
• 3D yazıcının modeli yazdırması yaklaşık 30 dakika sürdü.
• stl dosyasına bağlantı.

3. Adım: Donanım: Lazer Kesim

• Bileklik kalıbını Adobe Illustrator kullanarak tasarladık.
• Tasarlanan model daha sonra ahşabı esnek bir bilek bandına kestiğimiz Universal Laser makinesine aktarıldı.
• svg dosyasına bağlantı.

4. Adım: Yazılım: Veri Toplama

• Photon'u kullanarak, olası her örnekte 3 x 100 veri değeri yayınlayın.

• Düğüm sunucusunda Photon'dan data.json'a veri yazma.
• Düğüm sunucusundan MATLAB'a verilerin analizi.
• MATLAB'a gönderilen veriler 1x300 şeklindedir.

Adım 5: Yazılım: Toplanan Veri Kümesinin Eğitimi

• 1 x 300'lük parçalar - MATLAB'a besleme. (her cihaz için 27 örnek toplanır) 27 x 300 veri toplanır.
• Verilere eklenen özellikler - (5 özellik) - ortalama, medyan, standart sapma, çarpıklık, basıklık.
• Verileri MATLAB sınıflandırma araç kutusuna eğitmek
• Çevrimdışı verileri (6 x 6) aynı araç kutusunda test etme

Adım 6: Yazılım: Sınıfları Tahmin Etme

Tahmin

Foton kullanarak canlı verileri getirme

Ham verileri düğüm sunucusuna gönderme. (data.json dosyasına kaydedilen veriler)

data.json dosyasındaki verileri okumak ve sonucu tahmin etmek için MATLAB betiği

Sonuç, result.json'a kaydediliyor