开源硬件之保护花园免受猫的侵害

描述

1.故事

大约一年前，我们带着猫和小女儿从一间公寓搬到了一所房子。这只猫在放弃之前尝试了几种不同的策略，首先他发现了一个盲点，这迫使我重新定位相机，然后他发现在夜间更难被发现，所以我不得不安装一个由动作激活的车库灯。不要低估猫！

3.组装

该项目的组件很少，我使用了一个固定在靠近水龙头的墙上的塑料盒。我的 USB 相机有一根长电缆，以便尝试不同的位置。我选择的初始位置太暗容易产生错误识别，而且摄像头在墙上的位置太高使得检测更加困难，最佳位置离地面 50 厘米。

请考虑：

• 水和电相处得不好
• 覆盆子偷听
• 使用中继板隔离Raspberry端口

我建议将所有软管连接与电子设备隔离开，我已经组装好了，将螺线管放在盒子的底部，用热胶密封连接器。

我还建议使用风扇来保持 ARM 处理器的冷却，我的处理率在 70% 左右，这个水平没有风扇会导致过热。Raspberry 具有减少时钟以避免处理器烧毁的保护，但这会影响您的系统识别速度并缩短组件的使用寿命。

最后但同样重要的是，使用保护覆盆子免受线圈波动影响的继电器板，否则它会炸毁你的端口。你需要一个二极管和一个晶体管来保证安全。

浇水系统连接/设计超出了本项目的范围，因此我将坚持电子和软件部分。

 

4. 软件

Raspberry 准备工作是最困难的部分，我见过的最好的指南来自www.pyimagesearch.com/2017/09/18/real-time-object-detection-with-deep-learning-and-opencv/

它还提供了非常全面的对象检测概念解释，顺便说一下，这是我用作项目基础的内容。

幸运的是，考虑到像 Mobilenet 这样的轻型网络架构，这项任务不需要太多的计算机能力，因此 Raspberry 足以满足所需的 FPS，互联网上有几种预训练模型。

我使用了一个在 Pascal VOC 数据集上训练的 SSD Mobilenet，它可以识别 20 个类别，包括人和猫，什么是完美的。无论如何，您可以使用另一个训练有素的网络而无需对代码进行重大更改。

我的系统执行大约 .5 FPS，这足以完成任务，但如果您需要监视快速更改，则速度不是很好，但这对于项目的目的来说已经足够了。

GitHub中的完整源代码。

5.进一步改进以提高性能

• 分裂干扰不同的威胁
• 使用更快的 SD 卡
• 覆盆子 4
• 使用另一种网络架构作为 Faster R-CNN，Yolo