ResiBee는 STM32 Nucleo-H723ZG 보드에서 실행되는 소형 합성곱 신경망(CNN)을 사용하여 사진에서 저항기의 값을 자동으로 인식하는 프로젝트입니다. CNN 아키텍처, 데이터셋, 코드 등 프로젝트의 소프트웨어 측면에 대해 더 알고 싶다면 전체 설명을 여기에서 확인할 수 있습니다: ResiBee 전체 기사. 이 Instructable에서는 카메라, 조명, 저항기 홀더를 수용하는 물리적 인클로저를 제작한 방법에 초점을 맞추겠습니다.
기본 인클로저로 간단한 전기 접속함을 사용했습니다. 튼튼하고 구멍을 뚫기 쉬우며, 전자 부품과 광학 어셈블리를 내부에 여유 있게 넣을 수 있는 크기이기 때문입니다.
이 프로젝트를 위해 다음과 같은 여러 부품을 직접 설계하고 3D 프린팅했습니다:
모든 STL 파일은 Thingiverse에서 받을 수 있습니다: thingiverse.com/thing:7406619.
뚜껑 안쪽의 카메라 바로 앞에 작은 평볼록 렌즈를 배치했습니다. VR 헤드셋에 사용되는 것과 같은 종류로, 평평한 면과 구면이 서로 반대 방향을 향하도록 했습니다. 이 렌즈는 저항의 이미지를 광학적으로 확대해, 카메라가 이렇게 작은 물체의 세부 정보를 더 많이 포착하도록 도와줍니다.
STM32에서 직접 구동하는 흰색 LED 2개를 저항 양쪽에 약 45° 각도로 장착했습니다. 작은 각도 조절 손전등처럼 작동합니다. 두 가지 역할을 하는데, 사진을 촬영할 준비가 되었음을 알리기 위해 잠시 켜지고 동시에 실제 촬영 장면도 비춥니다.
LED 아래에는 빛을 확산시키기 위해 베이킹용 종이 한 겹을 추가했습니다. 이것이 없으면 LED가 저항 표면에 날카롭고 국소적인 반사를 만들어 작은 핫스팟이 생겼습니다. 나중에 CNN을 학습하고 미세 조정할 때 이 핫스팟이 상당한 문제를 일으켰습니다. 빛을 확산시키자 문제가 해결되었고 이미지가 훨씬 더 일관되게 나왔습니다.
간단한 간단한 슬라이드 스위치를 STM32에 연결해 필요할 때 사진을 촬영할 수 있도록 합니다. 스위치를 전환하면 보드가 장면을 조명하고, 카메라에서 프레임을 가져와 파이프라인을 실행합니다.
인클로저, 3D 프린트 부품, 광학 장치, 확산 조명, 촬영 스위치를 모두 결합한 결과, 저항을 넣고 사진을 촬영한 다음 CNN의 예측 결과를 받을 수 있는 작고 독립적인 박스가 완성되었습니다.
아직 모델이 완벽하지는 않습니다. 코드를 최적화할 작업이 남아 있고, 배수 숫자를 잘못 인식하는 경우가 많습니다. 그래도 이 프로젝트는 이미지 캡처부터 추론까지 CNN 모델을 마이크로컨트롤러에서 직접 물리적으로 구현하는 방법을 보여 주는 좋은 출발점이자 작동하는 예시라고 생각합니다.
원문: https://www.instructables.com/Building-the-ResiBee-Box-a-3D-printed-Enclosure-fo/
https://www.instructables.com/Building-the-ResiBee-Box-a-3D-printed-En…