Geleneksel pil ile çalışan IoT cihazları, sık sık şarj edilme veya değiştirilme gereksinimi nedeniyle genellikle güvenilmez ve maliyetlidir. Kapalı alan güneş hücreleri, sürekli enerji sağlamak için iç mekan ışığını kullanarak sürdürülebilir bir alternatif sunar ve sürekli pil değişimi ihtiyacını ortadan kaldırır. Bu projede, bir Seeed Studio XIAO nRF52840 Sense kullanarak Edge Impulse ile eğitilmiş bir makine öğrenimi algoritmasını çalıştırmayı, çıkarım değerlerini BLE aracılığıyla bir geçide göndermeyi keşfedeceksiniz.
Seeed Donanımı: Seeed Studio XIAO nRF52840 Sense
Yazılım: Arduino, Edge Impulse
Sektör: Akıllı Binalar, Akıllı Tarım, Ev Otomasyonu, Yaban Hayatı Koruma
Arka Plan
Nesnelerin İnterneti (IoT) çağının başlaması, teknoloji ile etkileşimimizi dönüştürdü, ancak bunun bir bedeli var – artan enerji tüketimi. Geleneksel pil ile çalışan IoT cihazları genellikle algoritmaların hesaplama gereksinimlerini karşılayacak güvenilir enerji kaynakları talep eder. Neyse ki, kapalı alan güneş hücreleri gibi alternatif bir çözüm mevcuttur.
Kapalı alan ışık kaynaklarını kullanarak, bu cihazlar kenar tabanlı makine öğrenimi modelleri için güvenilir, enerji verimli güç sağlayabilir. Bu yenilik, sürekli pil bakımına olan ihtiyacı ortadan kaldırır ve kendine yeten IoT uygulamalarının yeni bir çağını başlatır. Bu projede, kapalı alan güneş hücrelerinin ultra düşük güç tüketen makine öğrenimi modellerini kenar cihazlarında nasıl güçlendirdiğine dalacağız.
Zorluk
IoT cihazlarında makine öğrenimi modellerinin uygulanması, çift yönlü bir zorluk sunar. İlk olarak, algoritmaların hesaplama gereksinimlerini karşılayabilen güvenilir enerji kaynaklarına ihtiyaç vardır. İkincisi, bu enerji çözümlerinin ekonomik olarak uygulanabilir ve kullanıcı dostu olması, bu teknolojilerin yaygın kabulünü kolaylaştırmalıdır.
Kapalı alan güneş hücreleri, IoT cihazlarında makine öğrenimi modellerini beslemek için güvenilir, enerji verimli bir güç kaynağı sağlayarak bu engelleri aşmak için umut verici bir çözüm sunar. Kapalı alan ışığını yakalayarak, bu hücreler kesintisiz enerji sağlayabilir, sık pil değişimlerine olan ihtiyacı ortadan kaldırır ve kendine yeten kenar bilişim uygulamalarının dönüştürücü bir çağını başlatır.
Çözüm
Kapalı Güneş Hücreleri ile kenarda makine öğrenimi modellerini çalıştırabilen düşük güç tüketen IoT cihazlarının sorunsuz entegrasyonunu sergilemek amacıyla, Mihnea Stoica, Alexandra Covor, Constantin Craciun, Zalmotek ve Andrei Nicula yenilikçi bir uygulama geliştirmiştir. Bu yenilikçi sistem, Edge Impulse ile eğitilmiş bir makine öğrenimi algoritmasını çalıştırmak için güçlü bir IoT geliştirme kartı olan XIAO nRF52840 Sense’i kullanmaktadır. Çıkarım sonuçları daha sonra Bluetooth Düşük Enerji (BLE) aracılığıyla belirlenen bir geçide iletilir. Minimum enerji tüketimi için optimize edilmiş yazılım kullanarak, XIAO kartı güneş enerjisi kullanarak uzun süre verimli bir şekilde çalışabilir.
Donanım Seçimi
- XIAO nRF52840 Sense, yerleşik anten, 6 eksenli IMU, PDM mikrofon, NFC ve USB Type-C desteği ile kompakt bir Bluetooth LE geliştirme kartıdır. Hem Arduino IDE hem de CircuitPython ile çalışır, karmaşık mantık geliştirmeyi ve kütüphane kullanımını basitleştirir. Ayrıca, Edge Impulse aracılığıyla Hareket Tanıma desteği sunarak, makine öğrenimi için ivmeölçerinden ham veri toplama imkanı sağlar.
- Epishine LEH3 – Değerlendirme Kiti, kenar cihazlarının verimli güneş enerjisi ile çalışması için tasarlanmıştır. Kapalı alan güneş hücresi ile donatılmıştır ve çevredeki ışıktan elektrik üretir. 3V’a kadar çıkış gücü sunarak, kenar cihazlarının enerji ihtiyaçları için uygundur.
Donanım Kurulumu
Bu uygulamayı kolaylaştırmak için, Epishine LEH3 – Değerlendirme Kitini aşağıdaki gibi yapılandırmaları gerekmektedir:
Voltaj Çıkış Ayarı: Epishine değerlendirme kitini, pil yedeğine ihtiyaç duymadan sabit 3.3V çıkış verecek şekilde ayarlayın. Bu, kitin anahtarlarını sağlanan resimde gösterilen konumda yerleştirerek gerçekleştirilebilir.
Bağlantı Kurulumu
- Lehimleme Bağlantıları: nRF52840 XIAO kartının arkasındaki pil güç pedlerine iki prototipleme kablosu lehimleyerek başlayın.
- Kablo Hazırlığı: Kabloların uçlarını sıyırın ve daha sağlam hale getirmek için lehim uygulayın. Bu adım, kabloların Epishine LEH3 – Değerlendirme Kitinin çıkış yuvasına güvenli bir şekilde yerleştirilmesini sağlar.
Kasa 3D Yazdırma
- Kasa Tasarımı: Değerlendirme Standını buradan indirin ve 3D yazdırın.
- Montaj: Kasanın üst kısmına köşeleri monte edin. Kabloları top bağlantısından geçirin ve Epishine değerlendirme kitinin çıkış portuna yerleştirin.
Yazılım Yapılandırması
XIAO nRF52840 Sense kartında Edge Impulse modelini dağıtmak için, Seeed Studio basit bir Edge Impulse modeli kurma konusunda kapsamlı belgeler sunmaktadır. Seeed, bu kartı etkili bir şekilde programlama konusunda rehberlik sağlamaktadır.
Sonuç
IoT cihazlarında makine öğrenimi modellerinin kapalı alan güneş hücreleri ile birleşimi, ultra düşük güç uygulamaları için güçlendirici bir çözüm sunmaktadır. Kapalı alan ışık kaynaklarını kullanarak, bu kendine yeten sistemler yenilikçi kullanım senaryolarının yolunu açarken, aynı zamanda maliyetleri azaltmakta ve güvenilirliği artırmaktadır. Bu projede, enerji toplama teknolojileri ile makine öğrenimi algoritmalarını birleştirerek kenar bilişimin olanaklarını aydınlatmayı amaçladık.
Daha Fazla Bilgi
Daha Fazla Proje Detayı için Hackster: Işıktan İçgörüye: Kapalı Alan Güneş Hücreleri ile Güçlendirilmiş EdgeML
Herhangi bir soru veya daha fazla proje tartışmasına katılmak isterseniz, lütfen maker.team@seeed.cc ile iletişime geçmekten çekinmeyin. Sorularınız ve ilginiz memnuniyetle karşılanır.