描述

關于該項目

我目前居住在印度南部美麗的山站烏蒂。主要問題是大象經常進入村莊。我們有時會被他們的聲音驚醒，但大多數時候他們是沉默的，所以我們不會被驚動。

所以我計劃制作一個可以檢測大象并發送警報的設備。

為您的項目制造 PCB

?

您可以以便宜的價格制造 10 塊優質 PCB，并將其運送到您家門口。您還將獲得首次訂單的運費折扣。將您的 Gerber 文件上傳到PCBWAY ，以便以高質量和快速的周轉時間制造它們。PCBWay 現在可以提供從設計到外殼生產的完整產品解決方案。查看他們的在線 Gerber 查看器功能。使用獎勵積分，您可以從他們的禮品店獲得免費的東西。

項目流程：

首先，我們必須訓練一些機器學習來檢測大象。這個 SenseCAP K1100 套件包含 Grove AI 視覺模塊和 Wio 終端，因此我們可以訓練視覺模塊檢測大象并將數據發送到 Wio 終端，然后將數據傳遞到云端，并發出警報。比如電子郵件和短信。

步驟1：

這個 Grove AI Vision 模塊可以通過使用 Roboflows ML 檢測進行訓練以檢測模型。這是 Seeedstudio 創建和上傳自定義模型的指南。https://wiki.seeedstudio.com/Grove-Vision-AI-Module/

這是我可以檢測大象的模型。這不是一個很好的模型，但它工作得很好。

Seeedstudio 正在使用 Edge 脈沖集成，因此我將使用 Edge Impulse 模型對其進行更新，這將是一個更加自信的模型。

現在我們的 Wio 終端將得到模型檢測結果，下一步是將模型分類結果發送到云端并發出警報。

第2步：

我最初的計劃是集成 LoRa 和 TTN，但我沒有 LoRaWAN 或 Helium 網關，所以我只是制定了使用 Wi-Fi 或蜂窩物聯網的計劃。然后我使用蜂窩移動來完成這項工作。

在這個項目中，我使用了 Blues Wireless notecard，它是一種基于蜂窩的物聯網硬件，還允許與多個云平臺集成。

我已經在 Wio 終端的 UART 端口（第 8 和第 10 針）中連接了 Blue 的記事卡。我添加了一個可以在夜間打開并在白天關閉的燈光系統，為視覺分類提供一些燈光。您必須在 Blues note hub 上創建一個新項目并對該項目進行編程，我將進入 Wio 終端以將數據發送到云端。

首先從 Blues Notehub 獲取項目 ID 并將其粘貼到以下代碼中。

接下來，編譯代碼并將其上傳到 Wio 終端，現在這個 wio 終端將檢測到串行數據并將其轉發到 Blues Notecard。所以這現在將發送模型狀態、模型置信度和計數。

這是我的完整代碼

?

#define LGFX_AUTODETECT
#define LGFX_USE_V1
#include 
#include 
static LGFX lcd;                 
static LGFX_Sprite sprite(&lcd); 
int count;

#include 
#define txRxPinsSerial Serial1
#define productUID "com.gmail.pradeeplogu26:wio_gate_keeper"
Notecard notecard;

#include "Seeed_Arduino_GroveAI.h"
#include 
GroveAI ai(Wire);
uint8_t state = 0;
String Status;
double conf;
void setup() {
 pinMode(WIO_LIGHT, INPUT);
  notecard.begin(txRxPinsSerial, 9600);
  J *req = notecard.newRequest("hub.set");
  JAddStringToObject(req, "product", productUID);
  JAddStringToObject(req, "mode", "continuous");
  notecard.sendRequest(req);
  delay(1000);

  Wire.begin();
  Serial.begin(115200);
  Serial.println("begin");
  if (ai.begin(ALGO_OBJECT_DETECTION, MODEL_EXT_INDEX_1)) // Object detection and pre-trained model 1
  {
    Serial.print("Version: ");
    Serial.println(ai.version());
    Serial.print("ID: ");
    Serial.println( ai.id());
    Serial.print("Algo: ");
    Serial.println( ai.algo());
    Serial.print("Model: ");
    Serial.println(ai.model());
    Serial.print("Confidence: ");
    Serial.println(ai.confidence());
    state = 1;
  }
  else
  {
    Serial.println("Algo begin failed.");
  }

    lcd.init();
  lcd.setRotation(1);
  lcd.setBrightness(128);
  lcd.fillScreen(0xffffff);

  lcd.fillScreen(0x6699CC);
  lcd.setTextColor(0xFFFFFFu);
  lcd.setFont(&fonts::Font4);
  lcd.drawString("Gate Keeper", 90, 100);
  delay(2000);

}

void loop(){
if (state == 1)
{
  uint32_t tick = millis();
  if (ai.invoke()) // begin invoke
  {
    while (1) // wait for invoking finished
    {
      CMD_STATE_T ret = ai.state();
      if (ret == CMD_STATE_IDLE)
      {
        break;
      }
      delay(20);
    }

    uint8_t len = ai.get_result_len(); // receive how many people detect
    if (len)
    {
      int time1 = millis() - tick;
      Serial.print("Time consuming: ");
      Serial.println(time1);
      Serial.print("Number of people: ");
      Serial.println(len);
      object_detection_t data;       //get data

      for (int i = 0; i < len; i++)
      {
        Serial.println("result:detected");
        count=len;
          Status = "Positive";
        Serial.print("Detecting and calculating: ");
        Serial.println(i + 1);
        ai.get_result(i, (uint8_t*)&data, sizeof(object_detection_t)); //get result

        Serial.print("confidence:");
        Serial.print(data.confidence);
        conf=data.confidence;
        Serial.println();
      
        J *req = notecard.newRequest("note.add");
        if (req != NULL) {
          JAddStringToObject(req, "file", "sensors.qo");
          JAddBoolToObject(req, "sync", true);

          J *body = JCreateObject();
          if (body != NULL) {
            JAddNumberToObject(body, "confidence", data.confidence);
            JAddNumberToObject(body, "count", len);
            JAddStringToObject(body, "result", "positive");
            JAddItemToObject(req, "body", body);
          }
          notecard.sendRequest(req);
        }
      }
    }
    else
    {
      Serial.println("No identification");
      Status="Negative";
      conf=0.0;
      len=0;
    }
  }
  else
  {
    delay(1000);
    Serial.println("Invoke Failed.");
  }
}
else
{
  state == 0;
}

 lcd.fillScreen(0xffffff);
  lcd.fillRect(10, 3, 300, 30, 0x6699CC);
  lcd.setTextColor(0xFFFFFFu);
  lcd.setFont(&fonts::Font4);
  lcd.drawString("Gate Keeper", 90, 8);

  lcd.fillRect(10, 45, 140, 90, 0x9900FF);
  lcd.fillRect(170, 45, 140, 90, 0x9900FF);
  lcd.fillRect(10, 145, 140, 90, 0x9900FF);
  lcd.fillRect(170, 145, 140, 90, 0x9900FF);
  lcd.setTextSize(0.5, 0.5);
  lcd.setTextColor(0xFFFFFFu);
  lcd.drawString("Status", 60, 50);
  lcd.drawString("Light", 220, 50);
  lcd.drawString("Confidence", 35, 150);
  lcd.drawString("Count", 220, 150);

  int j = analogRead(WIO_LIGHT);
  int k = rand() % 100;

  lcd.setCursor( 35, 80);
  lcd.setTextSize(1, 1);
  lcd.print(Status);
  lcd.setCursor( 220, 80);
  lcd.setTextSize(1, 1);
  lcd.print(j);
  lcd.setCursor( 35, 170);
  lcd.setTextSize(1, 1);
  lcd.print(conf);
  lcd.setCursor( 220, 170);
  lcd.setTextSize(1, 1);
  lcd.print(count);
  delay(1000);
  
  //    lcd.fillScreen(0xffffff);
  lcd.setFont(&fonts::Font4);
  lcd.setTextSize(1, 1);


}

?

這是從 Blues Notehub 上的 Wio 終端接收到的數據，現在我們的數據到達了云端，接下來我們必須添加一些可視化和警報系統。

對于這種可視化，我們將使用 Qubitro Cloud 平臺，Qubitro 允許可視化來自多個數據源（如 MQTT、TTN、HTTPS、Helium 等）的數據。有關更多詳細信息，請訪問 Qubitro.com 。轉到portal.qubitro.com并創建一個新項目并添加一個具有 MQTT 連接的設備。您可以看到連接憑據，只需記下這些憑據，因為您將在下一步中需要這些憑據。

首先，轉到 Blues Note hub 上的 Route 選項卡，然后選擇類型為 MQTT 并以以下格式輸入憑據。

現在我們需要做另一個程序，只需轉到 Blues Device 上的環境部分，然后將內容更改如下。

這就是我們現在的最后一步。

第 3 步：

打開 Qubitro 門戶并查找來自筆記中心的傳入數據。

現在您看到我們也從筆記中心獲得了如此多的數據，我們需要對它們進行整理。為此，只需轉到 Blues Route 選項卡并向下滾動并添加一個 JSON 整流器，如下所示。

讓我們再看一下數據，它現在更具可讀性和合理性。（另外，我添加了位置）

下一步是將此導航的視覺效果添加到監控部分并創建一個新儀表板。

您可以根據需要添加不同的小部件。最后，我們將添加一個警報系統，為此我們將使用 webhook 和 make。

轉到eu1.make.com并創建一個新帳戶，

然后接下來創建一個像這樣的新場景，

在這里，我添加了帶有 Twilio 和電子郵件的 webhook，因此一旦觸發了 webhook，它將啟動 SMS 和電子郵件警報。

然后轉到 Qubitro 門戶并導航到規則部分，在此處添加一個新規則我添加了一個規則，例如模型分數 =100，因此每當檢測到模型時，它都會觸發 webhook，然后所有操作都將由 make 執行。

Webhook 警報流

這是電子郵件警報的最終輸出。

這是 SMS 警報的最終輸出。

結論：

在本教程中，我向您展示了如何使用 Qubitro Cloud 的 webhook 和 Twilio 集成的蜂窩通信構建基于視覺的大象檢測警報系統。