Projekt uczenia maszynowego z magiczną różdżką
Projekt uczenia maszynowego z magiczną różdżkąData publikacji: 07-11-2024 Data aktualizacji: 10-04-2026 🕒 3 min czytania
Gotowy na odrobinę magii?
Zobacz, jak stworzyć magiczną różdżkę za pomocą Arduino Tiny ML Kit. Czas na zabawę!
Sprzęt, którego będziesz potrzebować:
- 1x Tiny Machine Learning KIT
- W zestawie: Arduino Nano 33 BLE Sense Lite
- W zestawie: Moduł kamery OV7675
- W zestawie: Tiny Machine Learning Shield
- W zestawie: Kabel USB
Wprowadzenie
Uczenie maszynowe (ML) pozwala komputerom podejmować decyzje na podstawie nauki z danych. Jest to część sztucznej inteligencji (AI), która obejmuje tworzenie inteligentnych technologii naśladujących ludzkie umiejętności. Zazwyczaj ML wymaga potężnych komputerów lub usług internetowych.
TinyML to zmienia, umożliwiając działanie ML na małych urządzeniach, takich jak płytki Arduino. Na przykład, przy użyciu Arduino Nano 33 BLE Sense, można skonfigurować modele ML do wykonywania zadań, które zwykle wymagają bardziej złożonych systemów. Służy do tego TensorFlow Lite, uproszczone narzędzie zaprojektowane dla małych urządzeń.
Dzięki TinyML możesz tworzyć inteligentne gadżety, które działają szybko i zachowują prywatność danych, co jest idealne dla urządzeń domowych, które muszą reagować natychmiast lub monitorować otoczenie.
To podejście jest idealne do tworzenia urządzeń, takich jak magiczna różdżka, gdzie Arduino wykrywa i reaguje na ruchy różdżki.
Programując Arduino za pomocą modeli ML, twoja magiczna różdżka może rozpoznawać określone wzorce ruchu i odpowiednio wywoływać magiczne efekty. Ten projekt pokazuje, jak TinyML może wprowadzać interaktywne i inteligentne funkcje do prostych, codziennych przedmiotów.
Krok 1:
Przygotuj Arduino Nano 33 BLE Sense Lite, podłączając je do komputera za pomocą kabla USB.
Krok 2:
Otwórz Arduino IDE i uruchom przykładowy projekt „magic_wand” z biblioteki TensorFlowLite. Wybierz port, do którego jest podłączone Arduino, oraz odpowiednią wersję Arduino Nano.
Skompiluj kod i wgraj go na płytkę.
Krok 3:
Zainstaluj bibliotekę „Arduino_TensorflowLite” za pomocą menedżera bibliotek. Następnie otwórz przykładowy projekt „micro_speech” i rozpocznij kompilację, klikając przycisk kompilacji w lewym górnym rogu.
Krok 4:
Otwórz monitor szeregowy po prawej stronie w Arduino IDE i naciśnij przycisk resetu na Arduino.
Krok 5:
Teraz przetestuj projekt. Poczekaj, aż zakończy się faza inicjalizacji, a następnie machaj Arduino w powietrzu. Powinieneś zobaczyć dokładną ścieżkę odtworzoną i wyświetloną w monitorze szeregowym.
Dane będą pobierane z czujnika żyroskopowego wewnątrz Arduino, a następnie przetwarzane przez oprogramowanie uczenia maszynowego na Arduino.
Transfer Multisort Elektronik (TME) to jeden z największych globalnych dystrybutorów komponentów elektronicznych, elektrotechnicznych, wyposażenia warsztatowego, jak również automatyki przemysłowej. W katalogu dostępnych jest ponad 1 500 000 produktów od 1300 wiodących producentów. Nowoczesne centra logistyczne TME, mieszczące się w Łodzi oraz w Rzgowie, o łącznej powierzchni ponad 40 000m2, każdego dnia wysyłają blisko 6000 paczek z komponentami elektronicznymi do klientów w ponad 150 krajach.
TME angażuje się również w rozwój wiedzy i umiejętności młodych inżynierów i pasjonatów elektroniki poprzez projekt TME Edukacja, a także wspiera społeczność technologiczną, organizując cykl wydarzeń TechMasterEvent, promujących innowacje i wymianę doświadczeń.
