ساخت - 114878

شرح پروژه

درود . وقت بخیر . من یک پروژه تحقیقاتی دارم برای تشخیص خطا در هنگام برش دستی صفحات لاستیکی . من یک صفحه لاستیکی دارم که باید مطابق شابلون برش بخوره با کمک هوش مصنوعی به پروژه آردوینو و رزبری رسیدم . میخواهم سنسور ها صفحه رو لاستیک رو اسکن کنند و با صفحه برش خورده مرجع مقایسه بشه اگر برش ناقصی خورده بود چراغ اخطار روشن بشه . اگر تا این حد جلو رفتیم در مرحله بعد مانیتوری گذاشته بشه که صفحه رو نشون بده و مکانهایی که باید اصلاح بشه رو نشون بده .

لطفا حدود هزینه برای این پروژه رو اعلام بفرمائید . هزینه تجهیزات و هزینه قطعات .

ما میخواهیم زمانی که قطعه روی شابلون قرار گرفت دستگاه سوراخهای انجام شده را چک کند و در صورت عدم تطابق اخطار بر روی مانیتور متصل شده یا به صورت چراغ اخطار نمایش داده شود .

برای جمع‌بندی و ادامهٔ مسیر، اجازه دهید خلاصه‌ای از آنچه تا اینجا دربارهٔ سیستم کنترل کیفیت برش با آردوینو و Raspberry Pi گفتیم، به فارسی بازگو کنم و سپس گام‌های عملیاتی را به‌صورت شفاف‌تر جلو ببریم.
خلاصهٔ راه‌حل پیشنهادی (به فارسی)
هدف: اطمینان از اینکه همهٔ قسمت‌های تعیین‌شده روی شابلون چرم، به‌درستی برش خورده‌اند و قطعه‌ای جا نمانده یا ناقص نباشد.
راه‌کار هوشمند: استفاده از دوربین + Raspberry Pi برای تشخیص عیوب و Arduino برای اجرای عملیات فیزیکی (مثل جداسازی قطعهٔ معیوب، هشدار، توقف خط).
گام‌های اجرایی به‌ترتیب (برای شروع عملی)
مرحله
عنوان
توضیح مختصر به فارسی
۱
تجهیزات سخت‌افزاری
یک دوربین (مثل دوربین رسمی Raspberry Pi)، یک برد Raspberry Pi (مدل ۴ یا بالاتر)، یک Arduino (Uno یا Nano)، سنسور تشخیص حضور قطعه (مثل سنسور اولتراسونیک یا مادون‌قرمز) و یک عملگر (مثل سروو موتور یا رله برای بادکش یا بازوی مکانیکی) تهیه کنید.
۲
اتصال و راه‌اندازی اولیه
Arduino را از طریق کابل USB به Raspberry Pi متصل کنید. با نصب کتابخانهٔ pyserial در پایتون، یک ارتباط سریال ساده برقرار کنید و با ارسال یک کاراکتر (مثل '1')، یک LED روی Arduino را روشن کنید تا از صحت ارتباط مطمئن شوید.
۳
ثبت تصاویر و ساخت دیتاست
دوربین را در ارتفاع ثابت و با نور یکنواخت نصب کنید. از نمونه‌های کامل و سالم و همچنین نمونه‌های معیوب (با برش ناقص، پاره‌گی، جاافتادگی) عکس بگیرید و در دو پوشه جداگانه ذخیره کنید. تعداد عکس‌ها حداقل ۱۰۰ تا ۲۰۰ عدد برای هر کلاس باشد.
۴
آموزش مدل هوش مصنوعی
با استفاده از پایتون و کتابخانه‌هایی مثل TensorFlow یا PyTorch، یک مدل CNN ساده یا اگر توان پردازشی دارید، مدل YOLOv8 را روی دیتاست خود آموزش دهید. مدل را به‌صورت فایل (مثلاً .h5 یا .tflite) ذخیره کنید.
۵
نوشتن کد Arduino (عملگرها)
در Arduino یک کد بنویسید که منتظر دریافت فرمان از طریق سریال باشد. اگر کاراکتر '1' (به معنی سالم) رسید، عملگر را به سمتی ببرد که قطعه وارد مسیر سالم‌ها شود؛ اگر '0' (به معنی معیوب) رسید، قطعه را به مسیر معیوب‌ها هدایت کند.
۶
نوشتن برنامهٔ اصلی روی Raspberry Pi
یک اسکریپت پایتونی بنویسید که:
• سنسور را چک کند تا وقتی قطعه رسید، دوربین را فعال کند.
• عکس را بگیرد و به مدل بدهد.
• نتیجه ('0' یا '1') را از طریق سریال برای Arduino بفرستد.
• یک تأخیر کوتاه بگذارد و منتظر قطعهٔ بعدی شود.
۷
تست و تنظیم (Tuning)
سیستم را با چندین قطعهٔ مشخص (سالم و معیوب) آزمایش کنید. اگر خطا داشت، نورپردازی را اصلاح کنید یا مدل را با داده‌های بیشتر دوباره آموزش دهید.

البته نیاز به ذخیره سازی Log و یا عکس بر روی ftp هم میباشد

منظورتون از ساخت پروژه کامل هستش ؟ چه اپشن های دیگه ای داریم ؟

بله کامل با سخت افزار

این پروژه شامل 2 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

nikotex

عضویت سه سال پیش

25101 پروژه ثبت شده ،

20 پروژه در حال انجام ،

242 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 14%