Nhận dạng thiết bị thời gian thực bằng cách sử dụng dấu chân EM: 6 bước

2024 Tác giả: John Day | [email protected]. Sửa đổi lần cuối: 2024-01-30 13:31

Thiết bị này nhằm phân loại các thiết bị điện tử khác nhau theo tín hiệu EM của chúng. Đối với các thiết bị khác nhau, chúng có các tín hiệu EM khác nhau do nó phát ra. Chúng tôi đã phát triển một giải pháp IoT để xác định các thiết bị điện tử sử dụng bộ Particle Photon. Thiết bị đeo của chúng tôi có thể được đeo trên cổ tay có kết nối nhỏ gọn của photon hạt với màn hình OLED và kết nối mạch từ photon hạt đến ăng-ten được cung cấp trong bộ.

Thiết bị này có thể được tích hợp thêm để điều khiển các thiết bị điện tử và biến chúng thành "Thiết bị thông minh" với tất cả phần mềm nguồn mở, để bạn có thể điều khiển nó, cũng như sửa đổi hoặc cải thiện khả năng của thiết bị này.

Bước 1: Phần cứng: Thiết kế mạch

Thành phần: (từ bộ tạo hạt)

Bạn có thể mua bộ dụng cụ này từ các trang web trực tuyến khác nhau.

- Trang web Amazon

- Trang web hạt

- Trang web Adafruit

1. Ban phát triển hạt photon
2. Điện trở x 3 - 1 megaohm
3. Màn hình LCD 3-5V 0,96 "SPI Serial 128X64 OLED LCD
4. Ăng-ten (để nhận các bài đọc / dấu chân EM)

Bước 2: Phần cứng: In 3D

• Chúng tôi đã thiết kế mặt số dây đeo cổ tay của mình bằng máy in 3D.
• Mô hình 3D được thiết kế trong ứng dụng Shapr3D sử dụng iPad Pro.
• tệp stl của mô hình 3D đã được nhập và đẩy vào phần mềm Qidi vì chúng tôi đang sử dụng máy in Qidi Tech X-one-2.
• Máy in 3D mất khoảng 30 phút để in mô hình.
• liên kết đến tệp stl.

Bước 3: Phần cứng: Cắt Laser

• Chúng tôi đã thiết kế mẫu dây đeo cổ tay bằng Adobe Illustrator.
• Mô hình được thiết kế sau đó được xuất sang máy Universal Laser, nơi chúng tôi cắt gỗ thành dây đeo tay linh hoạt.
• liên kết đến tệp svg.

Bước 4: Phần mềm: Thu thập dữ liệu

• Sử dụng Photon, xuất bản giá trị dữ liệu 3 x 100 cho mọi trường hợp có thể.

• Ghi dữ liệu từ Photon sang data.json trong máy chủ nút.
• Phân tích dữ liệu từ máy chủ nút đến MATLAB.
• Dữ liệu được gửi đến MATLAB có dạng 1 x 300.

Bước 5: Phần mềm: Đào tạo Tập dữ liệu đã Thu thập

• Các đoạn 1 x 300 - cấp cho MATLAB. (Cho mỗi thiết bị 27 mẫu được thu thập) 27 x 300 dữ liệu được thu thập.
• Đã thêm các tính năng vào dữ liệu - (5 tính năng) - giá trị trung bình, giá trị trung bình, độ lệch chuẩn, độ lệch, độ lệch.
• Đào tạo dữ liệu vào hộp công cụ phân loại MATLAB
• Kiểm tra dữ liệu ngoại tuyến (6 x 6) trong cùng một hộp công cụ

Bước 6: Phần mềm: Dự đoán các lớp

Sự dự đoán

Tìm nạp dữ liệu trực tiếp bằng photon

Gửi dữ liệu thô đến máy chủ nút. (dữ liệu được lưu trong tệp data.json)

Tập lệnh MATLAB để đọc dữ liệu từ tệp data.json và dự đoán kết quả

Lưu kết quả vào result.json