Güncellenme Tarihi: 28 Şubat 2024

TinyML, IoT ve LoRa teknolojilerini kullanarak, yaban hayatının insan habitatlarına girmesini gerçek zamanlı olarak izlemek için yenilikçi çözümler geliştirin. Bu çözüm, yaban hayatı ile insanlar arasındaki potansiyel çatışmaları önlemek için hızlı bir şekilde uyarılar vermeyi amaçlamaktadır.

Seeed Donanımı: Seeed Studio XIAO ESP32S3 Sense

Yazılım: Arduino IDE, Edge Impulse, Blues Notehub.io

Sektör: Tarım, Kentsel Yaban Hayat İzleme, Hayvanat Bahçeleri ve Akvaryumlar, Koruma Biyolojisi, Turizm ve Doğa Koruma, Araştırma ve Eğitim

Arka Plan

Son birkaç on yılda insan-yaban hayatı çatışmalarının sıklığı ve yoğunluğu artmıştır; bunun başlıca nedenleri arasında nüfus artışı, kentsel genişleme, habitat parçalanması, iklim dalgalanmaları, yaban hayatı kaçakçılığı ve yasadışı ticaret bulunmaktadır. Bu çatışmaları azaltmak için etkili ve sürdürülebilir çözümler bulmak giderek daha hayati hale gelmiştir. Örneğin, Ocak 2023’te PT 7 adlı bir fil, Tamil Nadu ve Kerala’da ölümlere neden olmuş ve etkili çözümlere olan ihtiyacı vurgulamıştır.

Çözüm

Bu zorluğa yanıt olarak, Pradeep Thiruna, yaban hayatını tespit etmek ve insanları etkili bir şekilde uyarmak için TinyML, LoRa ve IoT teknolojilerini kullanmaya karar verdi.

Pradeep, yaban hayatını tespit etmek için bir kamera ile donatılmış XIAO ESP32S3 Sense kullandı. Ayrıca, TinyML ile yaban hayatı sınıflandırması için Edge Impulse’un gücünden yararlandı. Ardından, bu sınıflandırma verilerini LoRa teknolojisi aracılığıyla bir Blues baz istasyonuna iletti. Bu veri transferini kolaylaştırmak için Pradeep, Seeed Fusion PCBA Hizmetleri yardımıyla XIAO ESP32S3 Sense ve LoRa Wio E5 modüllerini içeren özel bir PCB tasarladı.

Edge Impulse Model Oluşturma

Pradeep, Edge Impulse kullanarak bir görüntü sınıflandırma sistemi geliştirdi. Bunu başarmak için, Kaggle‘dan 10 GB veri kullandı, ardından gerekli tüm görüntü modellerini Edge Impulse’a yükledi ve görüntüleri etiketledi. Etiketleme işlemi manuel olarak veya YOLO V5 ile önceden tanımlanmış etiketler üreterek yapılabilir. Daha sonra, sınıflandırmayı içeren impuls tasarımını hazırladı ve model özelliklerini oluşturdu. Model çıktısı oluşturulduktan sonra, Arduino IDE için dağıttı.

EL Model Dağıtımı

Sonrasında, Pradeep Arduino IDE’sine El Kütüphanesini ekledi. Bunu yapmak için, Sketch sekmesine gitti, Zip Kütüphanesi Ekle’yi seçti ve Edge Impulse portalından indirdiği zip dosyasını seçti. Bu, EI modelini XIAO ESP32S3 Sense’e dağıtmasına olanak tanıdı. Arduino taslağı şu şekilde çalışır: yaban hayvanlarını sınıflandırır ve LoRa aracılığıyla uyarılar gönderir. Belirli bir hayvan tespit edildiğinde, node_send() fonksiyonunu etkinleştirir.

Alıcı Kurulumu

Daha sonra, baz istasyonunu yapılandırmaya odaklandı. LoRa sinyallerini almak ve veriler Blues Notehub’a gönderildiğinde kullanıcıları uyarmak için ayarladı. Ayrıca, uzaktaki kullanıcıları Qubitro aracılığıyla bilgilendirdi. Hem XIAO + LoRa E5’i hem de Blues Notecard’ı XIAO ESP32S3 kartına bağladı. Bir Arduino taslağı kullanarak, köle düğümden veri topladı ve bunu Blues Notehub’a aktardı; ürün UID’sini ayarlama ihtiyacı vardı. Daha sonra, Notehub’da yeni bir proje oluşturdu | Proje Oluştur, proje UID’sini aldı ve bunu Arduino Taslağı’nda değiştirdi. Bu, Blues Notehub’un beklenildiği gibi veri almaya başlamasını sağladı.

Verilerin Görselleştirilmesi

Veriler Notehub’a ulaştığında, Pradeep Qubitro’yu kullanarak görselleştirme yaptı ve alınan verilere dayalı bir uyarı fonksiyonu oluşturdu. Qubitro Portalı‘na giderek yeni bir proje oluşturdu ve veri kaynağı olarak MQTT’yi seçti. Ardından, gerekli tüm bilgileri girdi, oluşturulan MQTT kaynağına erişti ve bağlantı bilgilerini seçti. Verilerin Qubitro’ya aktarılması için gerekli olan kimlik bilgileri görüntülendi.

Blues Notehub’un rota sayfasına geçerek, Pradeep yeni bir MQTT rotası oluşturdu ve kullanıcı adı ile şifreyi Qubitro kimlik bilgileriyle eşleştirecek şekilde ayarladı. Hangi verilerin Qubitro’ya gönderileceğini belirledi ve yalnızca yükü göndermeyi seçti. Yükü Qubitro’ya başarıyla aktardıktan sonra, gelen verileri izlemek için Qubitro portalına erişti.

Veriler Qubitro kontrol paneli aracılığıyla görselleştirilebiliyordu. Öncelikle, Kontrol Paneli bölümüne giderek yeni bir kontrol paneli oluşturdu. Ardından, bunu düzenleyerek gerekli widget’ları ekledi. Bunlar arasında veri noktalarını görüntülemek için bir görüntü widget’ı, uyarı seviyesi görselleştirmesi için standart bir gösterge ve köle numarasını görselleştirmek için bir durum widget’ı vardı. Ayrıca GPS haritalaması için harita widget’ları kullandı. Bu, baz istasyonunun konumunu ve köle düğümlerinin durumunu gösteren son kontrol panelini oluşturdu.

“`html

Kural Motoru Kurulumu

Bu bölümde, bir anomali tespit edildiğinde kullanıcıları uyaran bir kural işlevi eklendi. Bunu başarmak için, Qubitro portalının işlevine erişti ve kural bölümünü seçti. Ardından, yeni bir kural oluşturdu ve Webhooks seçeneğini tercih etti. Temel bilgiler sağlandı ve sonraki sayfaya geçti. Orada, webhook sitesine erişti, webhook URL’sini kopyaladı ve ardından bunu Qubitro kural sayfasına yapıştırdı. Koşulları tanımlamaya devam etti ve kuralın Uyarı seviyesinin 0’ı aştığında tetikleneceğini belirtti. Aşağıda, webhook yanıtını bulabilirsiniz. Bu aşamada, özelleştirilmiş SMS veya e-posta uyarıları göndermek için Twilio veya Mailgun kullanma seçeneği vardı.

Sonuç

Sonuç olarak, insan-yaban hayatı çatışması biyolojik çeşitliliğe, insan gelişimine ve sosyal uyuma ciddi bir tehdit oluşturmaktadır ve yaban hayatına karşı misilleme eylemleri potansiyelini taşımaktadır. Ancak, IoT ve Makine Öğrenimi’nden yararlanarak, çatışmayı azaltmak, hem insan hem de yaban hayatı çıkarlarını korumak ve uyumlu bir birlikte varoluşu teşvik etmek için yenilikçi çözümler oluşturabiliriz.

Daha Fazla Bilgi

Daha Fazla Proje Detayı Öğrenin Hackster’da: Yabanı Dijitalleştirmek için Blues ile

Daha fazla TinyML hikayesini keşfedin:

TinyML projeleriniz için en iyi aracı seçin:

Grove – Vision AI Modülü V2

Himax WiseEye2 HX6538 işlemcisi ile güçlendirilmiş, MCU tabanlı bir görüntü AI modülüdür ve rm Cortex-M55 ile Ethos-U55’i içermektedir. vektör veri işleme için ince bir şekilde optimize edilmiş Arm Helium teknolojisini entegre eder ve şunları sağlar:

Ödüllü düşük güç tüketimi
DSP ve ML yeteneklerinde önemli bir artış
Pil ile çalışan uç nokta AI uygulamaları için tasarlanmıştır

Tensorflow ve Pytorch framework’lerini destekleyerek, kullanıcıların hem hazır hem de özel AI modellerini Seeed Studio’dan SenseCraft AI ile dağıtmasına olanak tanır. Ayrıca, modül, IIC, UART, SPI ve Type-C gibi çeşitli arayüzler içerir ve Seeed Studio XIAO, Grove, Raspberry Pi, BeagleBoard ve ESP tabanlı ürünler gibi popüler ürünlerle kolay entegrasyon sağlar.

Seeed Studio XIAO ESP32S3 Sense & Seeed Studio XIAO nRF52840 Sense

Seeed Studio XIAO Serisi, benzer donanım yapısına sahip, parmak boyutunda küçük geliştirme kartlarıdır. Burada “XIAO” kod adı, yarı özelliği “Tiny”yi ve diğer yarısını “Puissant”ı temsil eder.

Seeed Studio XIAO ESP32S3 Sense, bir OV2640 kamera sensörü, dijital mikrofon ve SD kart desteği entegre eder. Gömülü ML hesaplama gücü ve fotoğrafçılık yeteneğini birleştirerek, bu geliştirme kartı akıllı ses ve görüntü AI ile başlamanız için harika bir araç olabilir.

Seeed Studio XIAO nRF52840 Sense, Bluetooth 5.0 kablosuz yeteneğine sahiptir ve düşük güç tüketimi ile çalışabilmektedir. Yerleşik IMU ve PDM ile, gömülü Makine Öğrenimi projeleri için en iyi aracınız olabilir.

Buraya tıklayın XIAO ailesi hakkında daha fazla bilgi edinmek için!

SenseCraft AI

SenseCraft AI kolay AI modeli eğitimi ve dağıtımı için no-code/low-code imkanı sunan bir platformdur. Seeed ürünlerini yerel olarak destekler, eğitilen modellerin Seeed ürünlerine tam uyumunu sağlar. Ayrıca, bu platform aracılığıyla modellerin dağıtılması, tanımlama sonuçlarının web sitesinde anında görselleştirilmesini sağlar ve model performansının hızlı bir şekilde değerlendirilmesine olanak tanır.

tinyML uygulamaları için ideal olan bu platform, cihazı bağlayarak, bir model seçerek ve tanımlama sonuçlarını görüntüleyerek hazır veya özel AI modellerini zahmetsizce dağıtmanıza olanak tanır.

Lütfen herhangi bir soru için iot@seeed.cc ile iletişime geçmekten çekinmeyin veya daha fazla proje tartışmasına katılmak isterseniz. Sorularınız ve ilginiz memnuniyetle karşılanır.

“`

Vahşi Yaşam İzleme Devrimi: XIAO ESP32S3 Sense ve Wio E5 Modülü ile TinyML, IoT ve LoRa Teknolojileri