Макет системы интеллектуального освещения Умный фонарь
Описание проекта
Макетный образец Системы интеллектуального освещения «Умный фонарь» представляет собой уличный светильник с набором сенсоров для обнаружения биологических объектов (человек). «Умный фонарь» и является частью системы интеллектуального освещения.
- “Умный фонарь” должен обеспечивать:Обнаружение биологических объектов в зоне действия с возможностью расширения на транспортные средства;
- Определение наиболее вероятной траектории и скорости движения обнаруженных объектов;
- Динамическое управление освещенностью зоны действия в зависимости от попадания в нее объекта и текущего уровня освещенности для обеспечения равномерного освещения в зоне объекта и энергоэффективности при отсутствии.
- Разработка облика системы;
- Определение состава компонентов и модулей;
- Разработка алгоритмов работы Умного фонаря
- Изготовление макета Умного фонаря;
- Апробация алгоритмов работы на макете.
- разработан макетный образец системы
- разработан процесс обработки данных
- собраны датасеты с изображениями, полученными с камеры
- была обучена модель
Raspberry Pi 4 Model B 8GB
со следующими техническими характеристиками:
– Однокристальная система: SoC Broadcom BCM2711
– Центральный процессор: 4-ядерный 64-битный CPU на ARM Cortex A72 с тактовой частотой 1,5 ГГц
– Графический процессор: VideoCore VI GPU с тактовой частотой 500 МГц
– Оперативная память: 8 ГБ LPDDR4-2400 SDRAM
– Стандарт Wi-Fi: 802.11 b/g/n/ac
– Стандарт Bluetooth: v5.0 с BLE
– Частотный диапазон: 2.4 / 5 ГГц
– Цифровой аудио/видеовыход: 2× micro-HDMI версии 2.0
– Максимальное выходное разрешение: 2160p (60 Гц)
– Максимальное разрешение в режиме двух мониторов: 2160p (30 Гц)
– Аналоговый аудио/видеовыход: 4-контактный мини-джек 3.5 мм
– Порты для периферии: 2× USB 2.0, 2× USB 3.0
– Порт для камеры: Camera Serial Interface (MIPI CSI)
– Порт для экрана: Display Serial Interface (MIPI DSI)
– Поддержка карт памяти: microSD
– Порты ввода-вывода GPIO: 40
– Напряжение питания: 5 В
– Ток потребления: 3 А
– Габариты: 85×56×17 мм
Программное обеспечение Макета приведено ниже:
– ОС Raspberry Pi OS 64-bit;
– Интерпретатор Python версии не ниже 3.7;
– Фреймворк TensorFlow Lite;
– Нейронная сеть с архитектурой EfficientDet, конкретная имплементация - EddiecientDet D0. Сеть предобучена на датасете COCO 2017;
– Используемые библиотеки:
– OpenCV 3.0
– GStreamer
– argparse
– numpy
Команда проекта
Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.