本网页已闲置超过3分钟,按键盘任意键或点击空白处,即可回到网页

自制家用安全钻头—SafeDrill

发布时间:2022-06-06
分享到:

自制家用安全钻头—SafeDrill

发布时间:2022-06-06
分享到:

在本文,我将向您介绍如何创建和实施原型安全装置,用于检测您是否正确钻孔。这是一个命名为 SafeDrill 的设备。

背景
本文的出发点旨在帮助业余爱好者和专业人士更安全、更快地工作,减少设备损坏的机会!

该项目同时也是卢布尔雅那大学电气工程学院大学课程移动性和物联网的必修课的一部分。

主要目标是使用一种简单且相对便宜的解决方案,该解决方案可以安装到任何手持钻头上,旨在检测用户是否使用了正确的钻头和正确的材料。使用错误的钻头可能会导致工人受伤以及设备损坏。因此,没有经验的工人可以快速从错误中吸取教训,同时可以最大限度地减少工作危险,同时保护设备本身!

该项目基于收集的数据,由机器学习解决方案处理,以实现通过蓝牙 LE 向 Android 手机应用程序呈现给用户的高效且响应迅速的检测。

项目描述
该项目的主要目标是:

  • 收集数据并构建机器学习 (ML) 模型
  • 构建 Android 手机应用程序并建立连接
  • 系统验证

我们的项目使用了 Arduino Nano 33 BLE Sense 微控制器,选择该微控制器是因为它的经济性和它已经实现的众多传感器,以及蓝牙连接。对于我们的应用,9 轴 IMU 非常适合手头的工作!

对于机器学习,选择 Edge Impulse 是因为它允许从收集的数据中简单有效地构建模型。它与 Arduino Nano 33 BLE Sense 完全兼容,因此可以快速轻松地构建我们自己的 ML 模型。

通过 Android 应用程序,用户可以接收有关正确使用钻头的通知以及跟踪今天完成的工作。

验证是通过对构建的机器学习模型的广泛测试完成的,结果记录在下面。

硬件
对于我们的原型,硬件本身相当简单,除了前面提到的 Arduino,我们还设计了一个带盖的简单外壳,允许我们使用束线带将微控制器安装到大多数手持钻头上。

Arduino 有小孔,所以一定要有一些 M1、5 个螺丝或小钉子来固定它!

对于数据收集,我们仍然需要 USB 端口进行连接。后来,Arduino 也可以由电池供电(尚未实现)。

具有 Edge Impulse 的机器学习模型

用于构建模型的数据是使用 IMU 上的 Arduino Nano 33 BLE Sense 加速度计捕获的。首先,我们安排了 3 种不同的钻头:木材、金属和混凝土,以及与所用钻头相对应的 3 种不同材料。因此,我们有 9 个不同的课程。我们为每个班级收集了 100 秒的数据。

数据通过所有 3 个轴的光谱分析进行处理,然后使用神经网络构建,然后对模型进行训练。

最后阶段是 Arduino Library 部署。它带有代码示例,这些示例后来被修改并用于检测上述类或缺乏钻孔存在。

Android 应用开发和蓝牙连接
对于 Android 应用程序,我们决定使用 MIT App Inventor,因为它可以快速简单地构建现代且外观时尚的应用程序!后端是使用块结构构建的,如下所示。

我们启用了蓝牙连接,在显示屏上我们可以看到我们现在正在处理的钻头/材料组合以及显示每日统计数据的高级按钮:今天钻孔的数量和钻孔所用的时间。最终结果如下所示:

系统验证
经过模型测试,我们能够获得令人满意的精度,因此认为该系统可用于进一步测试。

结论
所以,我们已经到了本文的结尾。总而言之,要自己开发系统,你必须:

1) 将附加代码上传到您的 Arduino

2) 3D 打印外壳并将 Arduino 牢固地安装在里面,然后用扎带将其安装到您的钻头上。

3) 下载安卓应用

4)打开Arduino,在手机中启用蓝牙并连接

现在想必你已经准备好尝试自己测试设备并改进您的钻孔了!

如果您对此项目有任何想法、意见或问题,请在下方留言。

以上内容翻译自网络,原作者:Nejc Karlo,如涉及侵权,可联系删除。

加入微信技术交流群

技术交流,职业进阶

关注与非网服务号

获取电子工程师福利

加入电路城 QQ 交流群

与技术大牛交朋友

讨论