يعد ESP32-CAM متحكم متعدد التكلفة منخفض التكلفة مع كاميرا مدمجة ، قادر على التقاط الصور ودفق الفيديو. عندما يتم دمجها مع مكتبات Python القوية لتجهيز الصور ، يمكنك تنفيذ اكتشاف الكائنات لمجموعة متنوعة من التطبيقات مثل المراقبة وأتمتة المنزل والروبوتات. سيوجهك هذا البرنامج التعليمي من خلال استخدام ESP32-CAM مع Python لإجراء اكتشاف الكائنات.
ماذا ستحتاج
- وحدة ESP32-CAM
- مبرمج FTDI (محول USB-to-Serial)
- الأسلاك الأسلاك والبلوز
- بيثون مثبت على جهاز الكمبيوتر الخاص بك (الإصدار 3.6 أو لاحقًا)
- المكتبات: OpenCV ، Numpy ، وطلبات
- نموذج مدرب (على سبيل المثال ، Yolov5 ، Tensorflow Lite)
الخطوة 1: إعداد ESP32-CAM
1.
-
قم بتوصيل ESP32-CAM بمبرمج FTDI الخاص بك:
- GND إلى GND
- 5V إلى VCC
- U0T إلى RX
- U0R إلى تكساس
- IO0 إلى GND (لوضع الوميض)
-
افتح Arduino IDE وقم بتثبيت حزمة لوحة ESP32:
- اذهب إلى ملف> تفضيلات وأضف عنوان URL:
https://dl.espressif.com/dl/package_esp32_index.json
- اذهب إلى أدوات> لوحة> مدير المجالس، ابحث عن ESP32 ، وتثبيت الحزمة.
- اذهب إلى ملف> تفضيلات وأضف عنوان URL:
-
قم بتحميل مثال Cameraweberver:
- اذهب إلى ملف> أمثلة> ESP32> الكاميرا> Camerawebserver.
- تحديث
ssid
وpassword
المتغيرات مع بيانات اعتماد Wi-Fi الخاصة بك: - يختار AI-Hinker ESP32-CAM تحت أدوات> لوحة.
-
قم بتحميل الرمز إلى ESP32-CAM. افصل IO0 من GND واضغط على زر إعادة الضبط.
2. الوصول إلى دفق الفيديو ESP32-CAM
- افتح الشاشة التسلسلية وضبط معدل الباود
115200
. - ابحث عن عنوان IP الخاص بـ ESP32-CAM في إخراج الشاشة التسلسلية (على سبيل المثال ،
http://192.168.1.100
). - افتح عنوان IP في متصفح للتحقق من الدفق المباشر.
الخطوة 2: إنشاء بيئة بيثون
1. تثبيت المكتبات المطلوبة
قم بتثبيت مكتبات Python اللازمة باستخدام PIP:
2. تحقق من تثبيت OpenCV
قم بتشغيل الكود التالي لضمان تثبيت OpenCV:
الخطوة 3: التقاط دفق الفيديو
استخدم Python لالتقاط الإطارات من دفق الفيديو ESP32-CAM.
رمز مثال: التقاط الإطارات
الخطوة 4: إضافة اكتشاف الكائن
دمج اكتشاف الكائن في دفق الفيديو الذي تم التقاطه باستخدام نموذج تم تدريبه مسبقًا ، مثل YOLOV5.
1. قم بتنزيل نموذج مسبقًا مدربًا
يمكنك استخدام نموذج YOLOV5 المدرب مسبقًا:
- قم بتنزيله من yolov5 مستودع جيثب.
2. رمز المثال: اكتشاف الكائن مع YOLOV5
الخطوة 5: تعزيز الكشف عن الكائنات
- نماذج مخصصة: قم بتدريب نموذج YOLOV5 الخاص بك لكائنات محددة باستخدام منصات مثل Roboflow أو Google Colab.
- معالجة الحافة: نشر نماذج خفيفة الوزن مثل Tensorflow Lite لمعالجة الجهاز.
- اندماج: أرسل نتائج الكشف إلى خادم أو إجراء إجراءات في أنظمة إنترنت الأشياء.
تطبيقات الكشف عن كائن ESP32-CAM
- أنظمة الأمن والمراقبة المنزلية
- مراقبة وتتبع الحياة البرية
- أتمتة المصنع ومراقبة الجودة
- مشاريع الروبوتات التفاعلية
- جرس الباب الذكي مع التعرف على الوجه
استكشاف الأخطاء وإصلاحها
- دفق زمن انتقال: تقليل الدقة أو معدل الإطارات للبث الأكثر سلاسة.
- قضايا الاتصال: تأكد من أن ESP32-CAM وجهاز الكمبيوتر الخاص بك على نفس الشبكة.
- دقة النموذج: صقل النموذج الذي تم تدريبه مسبقًا للحصول على نتائج أفضل على مجموعة البيانات الخاصة بك.
خاتمة
يفتح الجمع بين ESP32-CAM مع Python إمكانيات قوية للكشف عن الكائنات ومعالجة الفيديو في الوقت الفعلي. باتباع هذا الدليل ، يمكنك دمج اكتشاف الكائنات في مشاريعك للتطبيقات الذكية. جرب نماذج وتحسينات مختلفة لإنشاء أنظمة متقدمة وفعالة!