Transformatör Nedir?

Transformatör, iki veya daha fazla elektrik devresini elektromanyetik indüksiyonla birbirine bağlayan bir elektrik aletidir. İngilizce kelime olan “transformer” ,”dönüştürücü” olarak olarak Türkçe’ye çevrilmiştir. Günümüzde yaygın olarak “trafo” ismiyle bilinir.

Transformatörler frekans değeri değiştirilmeden, gerilim ve akım değerlerinde istenilen değişimi gerçekleştirirler. Genellikle bir elektrik devresindeki akım ve gerilimi yükseltme ve düşürme, elektrik enerjisinin dağıtımı gibi amaçlar için kullanılırlar. Verimlilikleri %97-98 civarında olduğundan AC voltaj üzerinde yükseltme, alçaltma yapmak için idealdirler.

Esas olarak transformatörler, elektromanyetik indüksiyonla enerjiyi bir devreden diğer devreye geçirmektedir. Gerilimi yükseltmek özellikle elektrik enerjisinin elde edildiği yerden uzaklara nakledilmesinde gerekmektedir. Çünkü yüksek akımla iletim yapmak P=I²*R formülünde görüleceği gibi çok büyük güç kayıplarına sebep olmaktadır. Bu yüzden elektrik iletim sırasında gerilim yükseltilir akım düşürülür (V=I*R formülünden dolayı) ve böylece minimum seviyede güç kaybı oluşması hedeflenir.

Aşağıda 220V AC gerilimi (şebeke voltajı) 12V AC gerilime düşüren bir transformatör örneği görebilirsiniz.

Transformatör Nasıl Çalışır?

İdeal bir transformatör, sonsuz geçirgenliğe ve sıfır çekirdek kaybına sahiptir. Ortak bir manyetik akıyı kucaklayan iki dirençsiz bobinden oluşmaktadır. 

Aşağıda transformatörün en genel halini görebilirsiniz

Transformatörün birincil sargısında değişken bir voltaj vardır. Bu değişken voltaj ikincil sargı tarafından da çevrelenen transformatör çekirdeğinde değişken bir manyetik akı oluşturur. İkincil sargıdaki bu değişken akı, ikincil sargıda indüksiyon nedeniyle değişen bir elektromotor kuvvet yani voltaj indüklemektedir.

Burada en önemli unsurlardan biri voltajın değişkenliği. Yani DC voltajı bir transformatöre bağlarsak çıkış kısmında gerilim elde edemeyiz. Manyetik akının oluşması için voltajın ve dolayısıyla akımın değişken olması gerekmektedir. 

Transformatörde 1. sargı (primer, Np) AC voltaj girişinin yapıldığı yerdir, çıkışta yani 2. sargıda (sekonder, Ns) giriş voltajının belli bir katı elde edilir. Sargıların sarım sayılarının oranı aslında çıkış voltajını değiştirmektedir. Örneğin 1. sargıda 2N tane sarım olsun, 2. sargıda N tane sarım olduğunu varsayalım. 1. sargıya 220V bir sinyal verdiğimizde olduğundan çıkışta 110V bir sinyal elde ederiz. Çünkü sargı oranları 2:1 idi. Buradaki N katsayıları on binlerce sarıma kadar çıkabilmektedir. Eğer giriş frekansı 50Hz ise çıkışta da 50Hz bir sinyal elde edersiniz. Transformatörler frekansı değiştirmez, sadece voltajın genliğini değiştirir. 

Konun daha iyi anlaşılması için günlük hayattan bir örnekle açıklayalım. Telefonunuzu şarj ederken adaptörünüzü prize takarsınız. Yani adaptörü 220V ile beslersiniz. Fakat bildiğiniz gibi telefonunuz 220V ile değil aslında 5V ile şarj oluyor. İşte bu voltaj düşümünü sağlayan komponent transformatörün kendisi. Prize adaptörü taktığınızda trafonun primer sargısına 220V alternatif gerilim (AC) vermiş olursunuz, trafo bu gerilimi 12V AC seviyesine kadar düşürür. Fakat bu telefonunuzu şarj etmek için yeterli değil. Çünkü telefonun içindeki lipo piller doğru akım ile şarj oluyor. Bu yüzden bir doğrultucu yardımı ile alternatif akım, doğru akıma çevrilir. Ardından 5V regülesine gönderilir ve siz çıkışta “+” ve “-” kutbu olan 5V DC gerilimi elde edersiniz.

Alçaltıcı ve Yükseltici Transformatörler

Üretim ve kullanım çeşitlerine göre birçok trafo tipi bulunmasına rağmen trafoları kabaca 2 gruba ayırabiliriz: Yükseltici ve Alçaltıcı Trafo. Yükseltici transformatörlerde çıkış sarımı giriş sarımından fazla olurken, alçaltıcı transformatörlerde giriş sarımı çıkış sarımından fazladır.

İdeal bir transformatörde gücün değişmeyeceğini unutmamak gerekir. Örneğin yükseltici 1:2 bir transformatörde teoride girişten 2K kadar akım çekilebilirken, çıkıştan K kadar akım çekebilirsiniz. Güç formülünü hatırlarsak P=I.V olduğundan ve bir trafonun gücü sabit olduğundan gerilim artarken çekilebilecek maksimum akım azalmaktadır.

Yukarıdaki Proteus simulasyonunda 24V AC gerilimin nasıl 5V AC ye dönüştürüldüğünü görebilirsiniz. Sarımlar oranı 2400:480 olduğundan gerilim sarımların oranı kadar düştü. Ayrıca osiloskop kısmında mavi sinyal giriş, sarı sinyal çıkış olmak üzere iki sinyalin arasında hiçbir faz ve frekans farkı olmadığını fark edebilirsiniz. Transformatör sadece gerilimin genliğini değiştirmektedir.

Ayrıca AC gerilimden bahsederken konuştuğumuz değerlerin RMS olduğunu unutmayalım. RMS (root mean square) AC gerilimin DC karşılığı ya da efektif değeri olarak tanımlanabilir. Sinusoidal bir AC gerilimin RMS’ i, AC gerilimin maksimum değerinin √2 ye bölünmesi ile ya da 0.707 ile çarpımından bulunur. 

Simulasyonun primer kısmında gördüğünüz 24.0V değeri aslında 34V un RMS değeridir. Başka bir deyişle V1 kaynağının genliği 34V tur. Yani girişteki sinyalin en yüksek değeri 34V tur ve DC karşılığı ise 24V’a eş değerdir. Aynı durum çıkış sinyali için de geçerlidir. Bu yüzden osiloskopta mavi sinyalin tepe noktası 34V iken sarı sinyalin tepe noktası 7V tur.

Merak ettiğin her şey ve daha fazlası Robolink Akademi‘de seni bekliyor!

The post Transformatör Nedir? Nasıl Kullanılır? appeared first on Robolink Akademi.

Malzeme Listesi

• Arduino Nano/Uno x2
• NRF24L01 x2
•  NRF24L01 Taşıyıcı Kart x2
• Jumper Kablolar

NRF24L01 Nedir? Nasıl Çalışır?

Arduino gibi geliştirme kartları ile kablosuz haberleşme sağlamak için birçok modül var fakat  NRF24L01 en popüler olanı diyebiliriz. Hem ucuz hem de uzun menzilli olması onu kablosuz haberleşme projelerinin vazgeçilmez bir parçası yapıyor.

NRF24L01 2.4GHz frekansında kablosuz haberleşme yapmanıza imkân sağlayan düşük güç tüketimine sahip bir modüldür.

Antenli ve antensiz olmak üzere iki tane modeli vardır. Her iki modelin bağlantısı aynı olmakla beraber aralarındaki tek fark kablosuz iletişim menzilidir. Antensiz modelinde açık alanda 100 metreye kadar haberleşme sağlanabilirken antenli modelinde menzil 1000 metreye kadar varabiliyor.

SPI arabirimini desteklemekte olup, Bu sayede tam 6 tane Arduino’nun bir ana Arduino ile haberleşmesini saylayabilirsiniz. Ama bugün sadece 2 Arduino arasındaki haberleşmeye örnek olacak bir proje gerçekleştireceğiz.

Modülün pinlerine ve kullanımına değinmek gerekirse, modülde toplam 8 tane pin bulunmakta ve biz aktif olarak bu pinlerin 7 tanesini haberleşmek için kullanacağız.

GND Toprak pinidir.

VCC Güç pinidir. 1,9 ila 3,9 arasında bir voltaj verebilirsiniz. Arduino ile kullanımda 3.3V çıkışa bağlayabilirsiniz. 5V pinine kesinlikle bağlamayın. Güç ile alakalı problemler yaşamamak için taşıyıcı kartı kullanımızı öneririm. Aksi halde iletişimde kopukluklar meydana gelebiliyor.

CE aktif bir HIGH pinidir. Seçildiğinde, NRF24L01 hangi moduna bağlı olarak veri gönderir ya da alır.

CSN  aktif bir LOW pinidir ve normalde HIGH tutulur. Bu pin LOW olduğunda NRF24L01, SPI portunu veri alımı moduna geçirir.

SCK  SPI haberleşme için gerekli olan saat hareketlerini kabul eder.

MOSI  NRF24L01’in SPI girdisidir.

MISO  NRF24L01’den SPI çıkışıdır.

SCK, MISO ve MOSI pinleri SPI haberleşme ile alakalı olduğundan dolayı Arduino çeşidine göre farklılık gösterebilmektedir. Bu yüzden devreyi kurarken bu tabloya da göz atmayı ihmal etmeyin.

NRF24L01 modülünü tanıdığımıza göre devre şemasına geçebiliriz.

Arduino ile NRF24L01 Kullanımı – Devre Şeması

Hem alıcı hem de verici için kullanacağımız devre aynı. Modüllerin alıcı ya da verici olma durumunu kodlarda belirtiyoruz.

Arduino ile NRF24L01 Kullanımı – Verici Kodları

Arduino ile NRF24L01 Kullanımı – Alıcı Kodları

Kodları derleyebilmek için gerekli olan RF24 kütüphanesini Arduino IDE’ ye eklemeyi unutmayın.

Sonuç

Eğer devreyi doğru kurduysanız, kodları Arduino’lara yüklediğinizde Alıcı Arduino‘nun seri ekranında 1 saniye aralıklarla “Robolink Akademi” yazdığını fark etmelisiniz.

Bir projemizin sonuna geldik. Bu proje hakkında herhangi bir sorunuz olursa bu gönderiye aşağıdan yorum olarak yazabilir veya profilimdeki mail adresimden bana ulaşabilirsiniz.

İyi çalışmalar dilerim.

The post Arduino ile NRF24L01 Kullanımı appeared first on Robolink Akademi.

Malzeme Listesi

• HC-SR04 
• Raspberry Pi
• Jumper kablo

HC-SR04 Nedir? Nasıl Çalışır?

HC-SR04 ultrasonik mesafe sensörü ismini Sound Navigation and Ranging kelimelerinin kısaltmasından almaktadır. Ultrasonic ses dalgaları yoluyla karşısındaki nesneyle etkileşim kurar.

Sensör 4 tane pine sahiptir.

• VCC -> güç pini
• GND -> toprak hattı
• TRIG -> ses dalgası gönderen kısım
• ECHO -> yansıyan ses dalgasını alan kısım

TRIG pinine güç verildiğinde sensörden çıkan ultrasonik ses dalgaları sensörün önündeki cisimden yansıyarak geri döner ve dönen dalgalar ECHO pini tarafından sinyal olarak işlenecek merkeze doğru iletilir.

Biz de sesin yayılma hızından ve giden gelen dalga arasındaki zaman farkından yola çıkarak mesafeyi bulabileceğimiz bir formül üreteceğiz. bu formülün detaylarını kodun içerisindeki “distance” fonskiyonunda görebilirsiniz.

Raspberry Pi ile HC-SR04 Kullanımı Projesi Devre Şeması

Raspberry Pi ile Ultrasonik Mesafe Sensörü Kullanımı Projesi Kodları

Sonuç

Kodu çalıştırdığınızda sensörün ölçtüğü uzaklık 10 cm‘ den az ise ledin ışık verdiğini, diğer durumlarda ise ledin kapalı olduğunu fark etmelisiniz.

Projemizin sonuna geldik. Bu proje hakkında herhangi bir sorunuz olursa bu gönderiye yorum olarak yazabilir veya mail adresimden bana ulaşabilirsiniz.

İyi çalışmalar dilerim.

Diğer raspberry pi projeleri için linki ziyaret edebilirsiniz.

The post Raspberry Pi ile Ultrasonik Mesafe Sensörü appeared first on Robolink Akademi.

Malzeme Listesi

• Raspberry Pi Pico
• Neopixel Led
• Jumper Kablo

Neopixel Led Nedir?

Neopixel ya da diğer adıyla adreslenebilir ledlerin en büyük özelliği ledleri tek tek adreslenerek çalıştırılabilmesidir. Örneğin normal bir şerit lede direkt güç verdiğinizde büyük ledler aynı parlaklıkta ve aynı renkte yanar. Fakat neopixel şerit ledler her bir ledin parlaklığını, rengini spesifik olarak belirleme imkanı sunuyor.

Piyasada boyutlarına ve şekillerine göre ayrılmış, halka, şerit, çubuk ve tekli birçok model bulunmaktadır. Basit projelerde en çok WS2812B tercih edilmektedir. Aşağıda halka neopixel ledin resmini görebilirsiniz.

Neopixel ledlerin ne olduğunu öğrendiğimize göre projemizin kodlarına ve devre şemasına geçebiliriz.

Raspberry Pi Pico ile Neopixel Led – Devre Şeması

Devre şemamız oldukça basit. Tek yapmanız gereken ledin VCC  pinini Pico’nun 3.3V pinine, GND pinini GND hattına, D (Data) pinini ise 1 numaralı GPIO0 pinine bağlamak.

Eğer sizin de lediniz 4 çıkışlı ise DI (data input) pini Pico’nun GPIO0 pinine gitmelidir. DO (data out) pini ledleri birbirine bağlamak için kullanılır.

Şimdi ledleri sürmek için kodlara ama kütüphaneye göz atabiliriz.

Raspberry Pi Pico ile Neopixel Led – Kodlar

Aşağıdaki kod parçasını neopixel.py adıyla Pico üzerine kaydedelim. Bu kodlar ledleri daha rahat kullanmak için gerekli kütüphane yapısını oluşturuyor.

Aşağıdaki kodu ise main.py adıyla Pico üzerine kaydedelim. Eğer başka isimle kaydederseniz Pico’yu bilgisayardan ayırıp harici bir güç kaynağıyla beslediğinizde kodun otomatik olarak çalışmayacağını unutmayın.

Sonuç

4. satırda ledlerinizin sayısını doğru belirtmeyi unutmayın ve 8. satırda da ledin rengini RGB renk skalasına göre özelleştirebilirsiniz, sonuç olarak kurulumu başarıyla tamamladıysanız, main.py kodunu çalıştırdığınızda ledlerin sırayla yandığı bir animasyon görmelisiniz.

“Raspberry Pi Pico ile Neopixel Led Kullanımı” projemizin sonuna geldik. Bu proje hakkında herhangi bir sorunuz olursa bu gönderiye yorum olarak yazabilir veya mail adresimden sosyal medyadan bana ulaşabilirsiniz.

İyi çalışmalar dilerim.

Raspberry Pi Pico yazımızı okudunuz mu?

The post Raspberry Pi Pico ile Neopixel Led Kullanımı appeared first on Robolink Akademi.

Malzeme Listesi

• Raspberry Pi
• Mantar led
• Dişi – dişi jumper kablo

Tkinter Nedir?

Tkinter, Python programlama dili ile birlikte gelen grafiksel kullanıcı arayüzü aracıdır. Python’la birlikte gelmesi ve basit bir yapıya sahip olması, Tkinter’in yaygın kullanımına neden olmuştur.

Tkinter ile Arayüz Oluşturma Projesinin Devre Şeması

Aslında devremiz oldukça basit, tek yapmanız gereken ledin uzun bacağını GPIO18 pinine, kısa bacağını ise GND hattına bağlamak. 

Eğer ledin uzun bacağının (+) bağlandığı pini değiştirmek isterseniz, seçtiğiniz pinin PWM çıkış verebilmesine dikkat etmelisiniz. Eğer seçtiğiniz pin sadece dijital çıkış veriyorsa ledi sadece aç-kapat yapabilirsiniz ama parlaklığı kontrol etmeniz mümkün olmaz.

Devredeki led en basit haliyle bir yükü temsil etmektedir. Örneğin led yerine röle kullanırsanız “VNC Server” aracılığıyla odanızın ışığını uzaktan kontrol edebileceğiniz bir proje yapabilirsiniz.

Tkinter ile Arayüz Oluşturma Projesinin Kodları

Sonuç

“Raspberry Pi ile Tkinter Arayüz Oluşturma ve Led Kontrolü” projemizin sonuna geldik. Bu proje hakkında herhangi bir sorunuz olursa bu gönderiye yorum olarak yazabilir veya mail adresimden, sosyal medyadan bana ulaşabilirsiniz.

İyi çalışmalar dilerim

#ProjeBaşlasın

The post Raspberry Pi ile Tkinter Arayüz Oluşturma ve Led Kontrolü appeared first on Robolink Akademi.

DLP yazıcı FDM yazıcılar gibi 3 boyutlu modeli katman katman oluşturmaktadır. FDM yazıcılara göre çok daha kaliteli ve hızlı baskılar verebilmektedir. Baskının katman yüksekliği 0.025 mm ile 0.15 mm arasında değişebilmektedir.

DLP yazıcıların baskı malzemesi “reçine” olarak adlandırılmaktadır. Bu reçine adı verilen malzeme UV ışık gördüğü anda sertleşen bir yapıya sahip, biz de malzemenin bu özelliğinden yararlanarak bir DLP yazıcı inşa edeceğiz.

DLP Yazıcı Temel Parçaları Nelerdir?

DLP yazıcılar aynı FDM teknolojisinde olduğu gibi modeli katman katman inşaa etmektedir. Burdaki en önemli fark baskı malzemesi olarak kullandığımız “reçine“. Reçineler UV ışık altında sertleşip sıvı halden katı bir hale geçen bir yapıya sahip, biz de bu projemizde temel olarak bu özellikten yararlanacağız. Şimdi aşağıdaki resme bir göz atalım.

En alt kısımda UV ışık kaynağımız var. Onun üstünde “lens” sistemi var ama biz bu projemizi lens kullanmadan gerçekleştireceğiz. Çünkü sistemimizin hem basit hem de kullanışlı olmasını istiyorum. Daha sonra “lens” in üstünde içine reçine doldurduğumuz kabımız var. Kabımızın tabanındaki şeffaf kısım özel bir malzemeden oluşmaktadır. Bu saydam ve ışık geçirgenliği çok fazla olan malzemeye “FEP film” adı verilmektedir. FEP filmin altında, filme çok yakın halde bulunan “Modifiye edilmiş LCD ekran” bulunmaktadır. Resimde görebileceğiniz gibi en üst kısımda reçinemizin sertleşip yapıştığı Z eksenimizi oluşturan “Yatak” adı verilen parçamız var.

DLP Yazıcının Çalışma Prensibi Nasıldır?

Makinenin çalışma mantığını kısaca şöyle anlatmak istiyorum: Öncelikle 3 boyutlu model bir DLP/SLA dilimleme programında dilimlenir, daha sonra her bir katmanın katman yüksekliğine göre fotoğrafı çıkartılır (örneğin modeliniz 3cm yüksekliğinde ise ve katman yüksekliğiniz 0.1mm ise, modeli dilimlediğinizde 300 tane resim ya da başka deyişle 300 katman elde edersiniz). Aşağıda bir katmanın resmini görmektesiniz.

Daha sonra bu resimler bir SD karta kaydedilir ve bir işlemci sayesinde her katman (her resim) teker teker ve sırayla “Modifiye edilmiş LCD ekran” a bastırılır. Elimizde 3cm boyunda bir model olduğunu ve katman yüksekliğinin 0.1mm olduğunu varsayalım. Makine baskı esnasında şöyle çalışır: ilk önce baskı tablası (yatak) 0.1mm yukarı kalkar. Daha sonra 1. katman olduğu için 1. resim ekrana yazdırılır. Ekranımız şeffaf (modifiyeli) olduğundan dolayı resmin beyaz yerleri saydam, siyah yerleri opak olmaktadır. Daha sonra en alttaki UV ışık açılır ve resmin beyaz yerlerinin içinden UV ışık geçerek reçineyi resimdeki beyaz alan şeklinde kurutur. Daha sonra makine 2-3mm yukarı çıkar ki alt kısma yeniden reçine dolabilsin. Bu döngü tüm resimler tamamlanana kadar devam eder. 

DLP yazıcılar hakkında bilgi sahibi olduğumuza göre gelin makinemizi inşa etme başlayalım. 

DLP Yazıcı: Malzeme Listesi

• Arduino Nano
• LCD ekran (320×240 piksel, ILI9341)
• SD kart soketi
• 16×2 LCD ekran 
• 25 x mantar UV LED
• 5V 1 kanal Röle
• DRV8825
• Voltaj regülatörleri (XL6009 ve LM2596)
• 1x Buton
• 1x Potansiyometre
• 5x 3.3K direnç
• 5x 2.2K direnç
• 6x8cm delikli pertinaks 
• 1x Nema17
• 1X 5V 1.5A adaptör
• 4x LM8UU
• 3D parçalar

DLP Yazıcı: Malzemelerin Kullanımı

Arduino Nano tüm sistemi düzenli bir şekilde yönetmek için kullanılacak.

320×240 LCD ekran her bir katmanın resminin basılacağı ekrandır. (Kullanmadan önce bu ekran üzerinde bir takım işlemler yapmamız gerekiyor, yazının ilerleyen kısımlarında buna değineceğim.)

SD kart soketi katman resimleri içinde barındıran SD kartın yuvasıdır.

16X2 LCD ekran bilgilendirme amaçlı kullanacağımız kontrol ekranıdır.

UV mantar LED ler 320×240 LCD ekranın içinden geçip reçinenin kurumasını sağlayacak olan parçadır.

Röle UV LED lerin durumunu kontrol etmemizi sağlayacak.

XL6009 motor kontrolü için gerekli voltajı ayarlarken, LM2596 UV LED ler için 5V u 3.6V a indirgeyecektir.

Butonu makineyi manuel olarak “home” yaparken kullanacağız.

Dirençler 320×240 ekranımızın çalışması için gereklidir.

6x8cm delikli pertinaks modelin yapışacağı platformu oluşturacaktır ve “z_platform” adlı parçanın altına düz bir şekilde yapıştırılmalıdır.

Potansiyometreyi 16X2 LCD ekranın parlaklığını ayarlamada kullanacağız

DRV8825 Nema17 yi sürmek için gereklidir.

DLP Yazıcı: Şasenin Oluşturulması

Tüm parçalar tarafımca Autodesk Fusion 360 ile çizilmiş ve 3D baskısı alınıp kullanılabilirliği test edilmiştir.

Tüm parçalar 30×30 sigma profiller için çizilmiştir. Şaseyi tasarlarken bu profillerden kullanmanızı öneririm.

“z_bottom” adlı parça NEMA17 nin oturacağı kısımdır. NEMA17 vida delikleri M3 tür. Sigma profilile sabitlenmesi gerekli kısımlar M6 dır.

“resin_vat” ve “fep_film_holder” adlı parça FEP film alta gelecek şekilde hizalandıktan sonra M4 vidalarla (14 tane) birbirine sıkmalısınız. (alt kısım dümdüz olmalıdır yoksa reçine dışarı akabilir ya da LCD ekran ile platform arasında boşluk kalabilir)

“legs” adlı parçanın vidaları M5 dir.

“uv_light_base” adlı parçayı “lcd_base” adlı parçaya sabitlemek için M3 vidalar (6 tane) kullanmalısınız.

“z_arm” parçasını “z_carriage” parçasına, “z_platform” parçasını da “z_arm” parçasına monte etmek için M12 vida kullanmalısınız. Ayrıca “resin_vat” parçası sağ ve sol tarafından “lcd_base” parçasına M12 vidalarla monte edilmelidir. (reçine kabını kapta kalan reçineyi temizlemek amacıyla çoğu zaman çıkartmamız gerekecektir.)

“z_bottom” ile “z_top” arasına 8mm kalınlığında trapez ve 2x krom mil gelecektir. 

320×240 LCD ekran ve PCB si “lcd_base” parçasına oturmaktadır.

Daha fazla ayrıntı için aşağıdaki resimlere göz atmayı unutmayın.

LCD Ekranın Modifiye Edilmesi

DLP Yazıcı: Devre Şeması ve Kodlar

Kodlar çok uzun olduğundan dolayı buraya eklemiyorum. Kodlara ve tüm proje hakkında detaylı bilgiye buradan ulaşabilirsiniz.

DLP Yazıcı: Modeli Dilimleme

Öncelikle bir dilimleme programına ihtiyacımız var. Dilimleme programı modeli katman yüksekliğine göre parçalara ayırarak her katmanın resmini oluşturma görevini üstleniyor. Biz bu örnekte dilimleme programlarının en popülerlerinden biri olan “CHITUBOX” ı kullanacağız. İlgili linkten programımızı indirelim ve bilgisayarımıza kuralım. “Settings” kısmından ayarlarımızı resimdeki gibi yapılandıralım.

“Print” kısmından “layer height” değerini  “0.15mm” olarak girelim.

Diğer başlıkları değiştirmemize gerek yok, çünkü biz dilimleme programının oluşturduğu “run” dosyasını kullanmayacağız, bizim için önemli olan tek şey resimlerin boyutsal doğruluğu.

Profilimizi kaydedip pencereyi kapatalım ve baskısını almak istediğimiz modeli yükleyelim. Ben örnek olarak hepinizin bildiği “Benchy” adlı modeli yükledim. Boyutlarını tablaya sığacak şekilde küçülttüm. 

Eğer her şey hazırsa, “Slice” tuşuna basıp modeli dilimletelim. Karşınıza şöyle bir ekran gelecek.

Bu ekranda “Save” butonuna basıp model fotoğraflarını “zip” halinde kaydedelim. Daha sonra zip dosyasını ilgili bir klasöre çıkartalım. En son satırdaki 3 dosyayı “run.gcode“, “preview.png” ve “preview-cropping.png” silelim. Artık resimlerimiz hazır, şimdi tek yapmamız gereken bu resimleri Arduino’ nun anlayacağı bir biçime yani 24 bit derinliğinde BMP dosyalarına çevirmek. Her bir resmi teker teker BMP ye çevirmek zor olacağından bu uygulamayı kullanmanızı öneririm. Uygulamada “Output Format” olarak BMP ve “Encoder settings” bölümünden “24Bit” seçeneğini seçmeyi unutmayın.

Daha sonra “convert” diyerek bütün “png” resimlerimizi “bmp” formatına dönüştürelim. Daha sonra bu “bmp” uzantılı dosyaları içi boş bir SD karta atalım ve SD kartımızı yazıcımıza takıp, yazıcıya güç verelim.

DLP Yazıcı: Baskı Nasıl Alınır?

Eğer SD kartınız algılandıysa LCD ekranda “SD init OK” yazısı sizi karşılayacaktır. Daha sonra bu yazı “Home Machine” e dönüşecek. Yazıcımızın platformunu manuel olarak , platform FEP filme temas edene kadar indirelim.

Platform ile FEP film arasında çok mesafe kalırsa reçine platforma yapışmaz, reçine FEP film üzerinde kalır. Eğer mesafe çok az olursa ilk 2-3 katmanınız kaybolabilir. Bu mesafeyi ayarlamayı zamanla tecrübe edinerek öğreneceğinizden emin olabilirsiniz. 

Eğer mesafenin doğru olduğunu düşünüyorsak devremizdeki butona basalım, platform yukarı doğru hareket edecek ve bizden reçineyi doldurmamızı isteyecek, reçineyi doldurduğumuzda yine butona basalım ve böylelikle baskı başlatmış olduk. 

Burada önemli bir noktaya değinmek istiyorum: SD kartın içinde sadece 1 modelin fotoğrafları bulunabilir, yani şu anlık SD kart içinde gezinip dosya seçmek gibi bir seçeneğimiz yok. Yazılım SD kartın içindeki resimlere bakar ve düzenli bir şekilde sırayla onları ekrana yazdırır. 

İlerleyen zamanlarda projeye birçok özellik eklenecektir. Eğer bunlardan anında haberdar olmak isterseniz beni sosyal medyadan takip etmeyi unutmayın.

Sonuç:

Bir projemizin daha sonuna geldik. Herhangi bir sorunla karşılamanız durumunda bana yorumlar kısmından, mail adresimden ya da sosyal medya hesaplarımdan ulaşabilirsiniz. İyi çalışmalar…

#ProjeBaşlasın

-Furkan Bakkal

The post Arduino Tabanlı DLP Yazıcı appeared first on Robolink Akademi.

Bugünkü uygulamamızda Raspberry Pi ile OpenCV modülünü kullanarak renkli cisim tespiti uygulaması yapacağız. Bu uygulama “Arduino ve Raspberry Pi ile Renkli Top Takibi” projemizin temelini oluşturacak.

Öncelikle malzemelerimize göz atalım.

Malzeme Listesi

• Raspberry Pi 4 (1 veya daha üstü bir model yeterlidir.)
• Pi Kamera 

Renkli Cisim Tespiti Proje Basamakları

Öncelikle projemizde OpenCV kullanacağımız için gerekli olan bazı modülleri indirmekle başlayalım.

Modüllerin Kurulumu

Aşağıdaki kodları terminal ekranında satır satır çalıştırarak “OpenCV” ve “imutils” modüllerini yükleyelim. “imutils” modülü önizleme aşamasında işlerimizi oldukça kolaylaştıracak.

sudo apt-get install libhdf5-dev libhdf5-serial-dev libhdf5-103
sudo apt-get install libqtgui4 libqtwebkit4 libqt4-test python3-pyqt5
sudo apt-get install libatlas-base-dev
sudo apt-get install libjasper-dev


pip install opencv-python==4.1.0.25
pip install imutils

Renkli Cisim Tespiti Proje Kodları

HSV Renk Uzayı Nedir ve Niçin Kullanıyoruz?

HSV renk uzayı, 1970′ lerde RGB renk uzayına alternatif olarak için geliştirilmiştir. Özellikle görüntü tanıma uygulamalarında RGB’ den daha iyi sonuçlar alınmaktadır.

HSV, Hue, Saturation ve Value kelimelerinin baş harflerini ifade eder.

HSV; şekilde gibi bir silindir şeklinde ifade edilir. Piksel değeri x için, H değeri x’ in açısal konumunu ifade eder, S değeri x’ in silindirin merkezine uzaklığını, V değeri ise x’ in silindir yüzeyine uzaklığını ifade eder.

OpenCV için bazı renklerin HSV kodları aşağıdaki gibidir:

Bu projemizde örnek olarak kırmızı rengi kullandık. Siz yukarıdaki tabloya göre değerleri değiştirerek farklı renkteki cisimleri tespit edebilirsiniz.

“Raspberry Pi – Pi Kamera ve OpenCV ile Renkli Cisim Tespiti ” projemizin sonuna geldik. Bu proje hakkında herhangi bir sorunuz olursa bu gönderiye yorum olarak yazabilir veya mail adresimden bana ulaşabilirsiniz.

Raspberry Pi – OpenCV ile Yüz Tespit Sistemi yazımızı okumanızı tavsiye ederiz.

İyi çalışmalar dilerim…

#ProjeBaşlasın

The post Raspberry Pi – OpenCV ile Renkli Cisim Tespiti appeared first on Robolink Akademi.

Bu proje için bize şu malzemeler gerekli:

Malzeme Listesi

• NodeMCU (ESP8266)
• LM35
• 3 adet dişi-dişi jumper kablo

Biraz malzemelerimizi tanıyalım.

Malzemelerin Özellikleri

İlk önce NodeMCU kartından bahsetmek istiyorum. NodeMCU açık kaynak kodlu, düşük maliyetli ve  Wi-fi üzerinden haberleşme yeteneği olan bir kontrol kartıdır. Yaygın olarak “IOT” (internet of things = nesnelerin interneti) alanında kullanılmaktadır. Wi-fi üzerinden haberleşme özelliği sayesinde projelerimizi uzaktan kontrol etme imkanı sunmaktadır. NodeMCU’ nun, ESP8266 veya ESP32 çipini barındıran iki farklı modeli vardır. Her ne kadar ESP32’nin ESP8266’ya göre daha çok artısı bulunsa da düşük maliyetinden dolayı ESP8266 modeli daha çok tercih edilmektedir. 

LM35 ise devremizde sıcaklık ölçmek için kullanacağımız analog bir sensördür. LM35 sensörü -55 ile +150 °C arasında sıcaklık ölçümü yapabilmekte ve her 1°C lik artış için 10mV luk çıkış vermektedir. Yani ortam 20°C ise LM35 bize 200mV çıkış verecektir. Biz de bu projede LM35’in bu özelliğinden yararlanarak verdiği çıkış miktarına göre °C cinsinden sıcaklık ölçümü yapacağız.

Şimdi sırada devremizi kurmak var.

NodeMCU ile Web Arayüzlü Dijital Termometre Devresi

Devremizi kurarken tek yapmamız gereken LM35 sıcaklık sensörünün bacaklarını ilgili pinlere bağlamak.

Şimdi Arduino IDE üzerinden NodeMCU kartını programlayabilmek için gerekli yapılandırma ayarlarına geçebiliriz.

Arduino IDE’ ye NodeMCU Kartını Eklemek

NodeMCU kartı Arduino IDE içinde maalesef hazır olarak gelmiyor. Bu yüzden kartımızı manuel olarak ekleyeceğiz. İlk önce Arduno IDE üzerinden Dosya –> Tercihler kısmına gelip  “Ek Devre Kartları Yöneticisi URL’leri” bölümüne aşağıdaki linki yapıştıralım.

http://arduino.esp8266.com/stable/package_esp8266com_index.json

Daha sonra “Tamam” seçeneğine basıp pencereyi kapatalım ve Arduino IDE’yi yeniden başlatıyoruz. Bu sefer Araçlar –> Kart –> Kart Yöneticisi bölümüne gelip çıkan kutucuğa “ESP8266” yazıp eklentiyi indirip kuralım.

Kurulum tamamlandığında Arduino IDE’yi tekrar yeniden başlatalım. NodeMCU kartımızı Micro USB kablo yardımı ile bilgisayara bağlayalım ve tıpkı Arduino’da olduğu gibi doğru port ve kart ismini seçelim. Eğer bilgisayarınız NodeMCU kartını algılamadıysa CP2102 veya CH340G sürücüsünü kurmalısınız.

Şimdi projemizin en önemli bölümü olan kod kısmına geçebiliriz.

NodeMCU ile Web Arayüzlü Dijital Termometre Kodları

Web Üzerinden Sıcaklık Değerini Görme

Kodu yükleyelim, serial port penceremizi açalım ve NodeMCU kartını “RST” pinine basarak resetleyelim. Karşımıza şöyle bir ekran gelmeli.

Bu kısımda bizim için önemli olan “LOCAL IP” yani 192.168.x.xx adresi. Bu adresi kopyalayalım ve herhangi bir internet tarayıcısına link olarak yapıştıralım.

Ve sıcaklık değerlerimiz tam karşımızda…

Proje ile İlgili Karşılaşabileceğiniz Sorunlar

1.Web Üzerinden Değerleri Göremiyorum

• IP adresinin doğruluğunu kontrol edin.
• NodeMCU’nun bağlandığı ağ ile kullandığınız ağın aynı olduğunuzdan emin olun. Çünkü bu projede sadece “LOCAL” üzerinden görülebilecek şekilde yazılım yaptık.

2. Seri Haberleşme Ekranında Sadece “……” Yazıyor

• “…….” işareti NodeMCU’nun ilgili ağa bağlanmaya çalıştığını göstermektedir. Eğer 1 dakika içinde bağlanmadıysa ve Wi-fi bilgilerini doğru girdiğinizden eminseniz, NodeMCU kartına RST butonundan reset atarak tekrar deneyin.

3. Sıcaklık Değerleri Görünmüyor veya Yanlış Görünüyor

• LM35’in bağlantıları yanlış olabilir ya da OUT pininin bağlandığı yeri yazılımda yanlış belirttiniz. (Biz A0 kullanmıştık).
• LM35’in OUT pini NodeMCU’da bir “ANALOG” pine bağlanmalıdır. Çünkü LM35 analog çıkış veren (1 ya da 0 değil; örneğin 110,200 vb.) bir sensördür.

Nodemcu ile web arayüzü – dijital termometre projemizin sonuna geldik. NodeMCU yaptığımız proje hakkında herhangi bir sorunuz olursa bu gönderiye yorum olarak yazabilir veya mail adresimden bana ulaşabilirsiniz.

Nodemcu ile Blynk yazımızı okumanızı da tavsiye ederiz.

İyi çalışmalar dilerim…

#ProjeBaşlasın

The post NodeMCU ile Web Arayüzü – Dijital Termometre (LOCAL) appeared first on Robolink Akademi.

Bu projemizde bize gereken malzemelerin listesine göz atalım.

Malzeme Listesi

• Raspberry Pi (Ram kapasitesi görüntü işleme yapacağımızdan dolayı oldukça önemli. Pi4 4GB+ öneriyorum)
• Pi Kamera Modülü
• LED
• Dişi-dişi jumper kablo kullanacağız.
• Minimum 3000uF Kapasitör

Projemizin Basamakları

Öncelikle görüntüleri canlı olarak işlemek, çıktıyı ekranda göstermek, yüzleri makine öğrenimi ile eğitmek için OpenCV modülüne ihtiyacımız olacak. Daha sonra görüntü üzerindeki yüzleri veri tabanı ile karşılaştırmak için “face_recognition” modülünü kullanacağız.

İlk yapmamız gereken gerekli tüm modülleri kurmak. Daha sonra tanıtmak istediğimiz her bir yüz için 10-15 fotoğraf çekmeli bunları makine öğrenmesi ile işlemeliyiz ve sonunda işlenen canlı görüntüde yüz tanıma yapabilen programımızı çalıştırabiliriz.

Modüllerin Kurulumu

İlk önce basit modülleri Raspberry Pi’ ımıza kuralım. İlk komut setimizi teker teker terminal ekranında çalıştıralım ve yükleyelim. Bu işlem yaklaşık 10 dakika sürecektir. (Tüm kurulum kurulması yaklaşık 2.5 saat sürecek.)

sudo apt install cmake build-essential pkg-config git	

sudo apt install libjpeg-dev libtiff-dev libjasper-dev libpng-dev libwebp-dev libopenexr-dev

sudo apt install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore-dev libx264-dev libdc1394-22-dev libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

sudo apt install libgtk-3-dev libqtgui4 libqtwebkit4 libqt4-test python3-pyqt5

sudo apt install libatlas-base-dev liblapacke-dev gfortran

sudo apt install libhdf5-dev libhdf5-103

sudo apt install python3-dev python3-pip python3-numpy

Şimdi ise OpenCV kütüphanesini yükleyeceğiz fakat bunun için ”Swap-file” dosyamızda küçük bir değişiklik yapmalıyız. Swap (Takas) Alanı, işletim sistemi tarafından sabit diskimizde ayrılmış bir bölümdür. İşlenecek veriler ön belleğe (RAM) sığmadığı zaman bu bölüm “RAM” gibi kullanılır ve böylelikle veri akışının devam etmesi sağlanır.

Takas dosyamızı açalım.

sudo nano /etc/dphys-swapfile

Dosya açıldığında şekilde gibi  CONF_SWAPSIZE = 100 satırını kapatın ve CONF_SWAPSIZE = 2048 ekleyelim. CTRL+X yapıp çıkalım.

OpenCV yüklemesini bitirdikten sonra bu değeri tekrar 100 olarak değiştireceğiz.

Daha sonra değişikliklerin uygulanması amacı ile dosyamızı yeniden başlatalım.

sudo systemctl restart dphys-swapfile

Şimdi OpenCV kütüphanesini yükleyelim. (Bu işlem yaklaşık 2 saat sürecek.)

git clone https://github.com/opencv/opencv.git

git clone https://github.com/opencv/opencv_contrib.git

mkdir ~/opencv/build

cd ~/opencv/build

cmake -D CMAKE_BUILD_TYPE=RELEASE \

          -D CMAKE_INSTALL_PREFIX=/usr/local \

          -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \

          -D ENABLE_NEON=ON \

          -D ENABLE_VFPV3=ON \

          -D BUILD_TESTS=OFF \

          -D INSTALL_PYTHON_EXAMPLES=OFF \

          -D OPENCV_ENABLE_NONFREE=ON \

          -D CMAKE_SHARED_LINKER_FLAGS=-latomic \

          -D BUILD_EXAMPLES=OFF ..


make -j$(nproc) 

sudo make install 

sudo ldconfig 

OpenCV kütüphanesini yüklediğimize göre “Takas Dosyamızı” eski haline geri döndürelim.

sudo nano /etc/dphys-swapfile

Dosya açıldığında, CONF_SWAPSIZE=100 satırını aktifleştirip CONF_SWAPSIZE=2048 satırını silelim ve dosyamızı yeniden başlatalım.

sudo systemctl restart dphys-swapfile

Ve şimdi de yeni terminal açıp kalan son mödüllerimizi yükleyelim.

pip install imputils
pip install face-recognition

Böylelikle projemiz için gerekli tüm modüllerin kurulumunu tamamladık.

Sırada devremiz var ama ondan önce eğer “Pi kamerayı” ilk defa kullanacaksanız kurulum için “Pi Kamera Kurulum” adlı yazıma bir göz atmanızı tavsiye ederim.

Raspberry Pi – OpenCV ile Yüz Tanıma Sistemi Devresi

Gördüğünüz gibi devremiz oldukça basit. Tek yapmamız gereken ledimizin ve kapasitörümüzün katotunu GND hattına, anotunu ise 11.sıradaki GPIO17 pinine bağlamak.

Raspberry Pi – OpenCV ile Yüz Tanıma Sistemi Kodları ve Dokümanlar

Kodlara ve yüz tanıma için gerekli .xml dosyasına, aşağıdaki git komutunu terminalde çalıştırarak ulaşabilirsiniz.  Bu git kodu Raspberry Pi “home/pi” dizinine projemiz için gerekli tüm dosyaları “Face-Recognition” klasörü altında kopyalayacaktır.

git clone https://github.com/furkanbakkal/Face-Recognition.git

Şimdi sırada yüz tanıma sistemini eğitmek için fotoğraf çekmeye geldi.

Raspberry Pi – OpenCV ile Yüz Tanıma Sistemi için Eğitim Dosyası Oluşturmak

Depoyu GitHub üzerinden kopyaladıktan sonra home/pi dizininde “Face-Recognition” adı altında gerekli tüm dökümanları kopyalamış olduk. Şimdi eğitim için gerekli düzenlemeleri yapalım.

Öncelikle kimlerin yüz profilini tanıtmak istiyorsanız “data” klasörü içinde şekildeki gibi herkesin ismine özel klasörler oluşturalım.

Daha sonra “Face-Recognition” klasörü adı altındaki “photo_pi_cam.py” dosyamızı çalıştıralım. Şekildeki gibi resmini çekeceğimiz ve adına klasör oluşturduğumuz kişinin ismini 8. satıra girelim.

Ve kodumuzu Python2 ile çalıştıralım. Açılan arayüzde kameradan gelen görüntüyü görebilirsiniz. Bu kod çektiğimiz her fotoğrafı 8. satırda belirttiğimiz klasörün içine kaydedecektir. Boşluk tuşuna basarak sadece ismini girdiğimiz kişinin yüzünü her profilden 4-5, toplamda 20-25 tane fotoğraf olacak şekilde çekelim. 

Yüzü tanıtmak istediğimiz her bir kişi için 8. satırdaki klasör ismini değiştirmeli ve kodumuzu tekrar çalıştırmalıyız.

Örneğin Furkan ve Buse adında 2 kişiyi tanıtmak istediğimizi varsayalım. İlk önce “data” klasörü içinde “Furkan” ve “Buse” olarak 2 ayrı klasör oluşturmalıyız. Daha sonra “photo_pi_cam.py” dosyamızda 8. satıra “Furkan” yazarak Furkan’ın yüz resimlerini çekmeliyiz. Sonrasında  8. satırı “Buse” olarak değiştirip Buse’nin yüz fotoğraflarını çekmeliyiz.

Şimdi sırada çekilen fotoğraflar ile eğitim dosyası oluşturmaya geldi.

Yeni bir terminal ekranı açalım ve aşağıdaki kod ile klasörümüzün içine giriş yapalım

cd Face-Recognition

Daha sonra eğitim kodumuz olan “train_model.py”  çalıştıralım.

python train_model.py

Resimlerimiz işlenmeye başlayacak ve bize şöyle bir çıkış verecektir.

Eğer eğitim işleminiz başarıyla gerçekleştiyse “Face-Recognition” klasörü içinde “encodings.pickle” adlı bir dosyanın oluştuğunu fark edebilirsiniz. Şimdi ise tek yapmamız gereken “face_rec.py” dosyamızı Python2 ile çalıştırmak. Ayrıca eğer isterseniz 108. satırdaki ismi değiştirerek belirlenmiş birini gördüğünde LED’in yanmasını sağlayabilirsiniz.

Yaklaşık 1 dakikalık bir yükleme sürecinden sonra kamera arayüzünün açıldığını göreceksiniz. Artık projeyi test edebilirsiniz.

Sonuç

Şimdi sizlerle bu proje sonunda, resmi bilgisayar ekranında açıp Pi kamerayı ekrana doğrultarak elde ettiğim birkaç canlı resmi paylaşmak istiyorum. Ayrıca internetten bulduğum resimlerle sadece Tom Cruise, Elon Musk ve Angelina Jolie’ nin resimlerini eğittiğimi belirtmek istiyorum. (Solda orijinal resimler, sağda Raspberry Pi üzerinde işlenmiş resim)

Ayrıca canlı olarak görmek isterseniz aşağıdaki videoya göz atabilirsiniz.

Test videosunda fark ettiyseniz,  Raspberry Pi orijinal videonun yaklaşık 1-2 saniye gerisinden geliyor. Bu, video görüntüsü ile Raspberry Pi’dan gelen görüntünün asenkron olmamasına rağmen gerçekleşen bir durum. Düşük FPS’lerde çalışmanın getirdiği bir gecikme de diyebiliriz.

Bir projemizin daha sonuna geldik. “Raspberry Pi – OpenCV ile Yüz Tanıma Sistemi” projesi hakkında herhangi bir sorunuz olursa, GitHub üzerinden “issues” kısmında belirtebilir, bu gönderiye yorum olarak yazabilir ya da mail adresimden bana ulaşabilirsiniz.

İyi çalışmalar dilerim…

#ProjeBaşlasın

The post Raspberry Pi – OpenCV ile Yüz Tanıma Sistemi appeared first on Robolink Akademi.

Bu projede bize gereken malzemelerin listesine bir göz atalım.

Malzeme Listesi

• Raspberry Pi (Ram kapasitesi görüntü işleme yapacağımızdan dolayı oldukça önemli. Pi4 4GB veya üstünü öneriyorum)
• Pi Kamera v2

OpenCV Kütüphanesi Nedir ve Projemizde Ne Amaçla Kullanacağız?

OpenCV açık kaynak kodlu bir görüntü işleme kütüphanesidir. Bu kütüphane içerisinde görüntü işlemeye (image processing) ve makine öğrenmesine (machine learning) yönelik 2500’den fazla algoritma bulunmaktadır. Bu algoritmalar ile yüz tanıma, nesneleri ayırt etme, insan hareketlerini tespit edebilme, nesne sınıflandırma, plaka tanıma, üç boyutlu görüntü üzerinde işlem yapabilme, görüntü karşılaştırma, optik karakter tanımlama OCR (Optical Character Recognition) gibi işlemler rahatlıkla yapılabilmektedir. 

İşe modüllerimizi kurmakla başlayalım.

Modüllerin Kurulumu

İlk önce basit modülleri Raspberry Pi’ ımıza kuralım. İlk komut setimizi teker teker terminal ekranında çalıştıralım ve yükleyelim. Bu işlem yaklaşık 10 dakika sürecektir. (Tüm kurulum kurulması yaklaşık 2.5 saat sürecek.)

sudo apt install cmake build-essential pkg-config git	

sudo apt install libjpeg-dev libtiff-dev libjasper-dev libpng-dev libwebp-dev libopenexr-dev

sudo apt install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore-dev libx264-dev libdc1394-22-dev libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

sudo apt install libgtk-3-dev libqtgui4 libqtwebkit4 libqt4-test python3-pyqt5

sudo apt install libatlas-base-dev liblapacke-dev gfortran

sudo apt install libhdf5-dev libhdf5-103

sudo apt install python3-dev python3-pip python3-numpy

Şimdi ise OpenCV kütüphanesini yükleyeceğiz fakat bunun için”Swap-file” dosyamızda küçük bir değişiklik yapmalıyız. Swap (Takas) Alanı, işletim sistemi tarafından sabit diskimizde ayrılmış bir bölümdür. İşlenecek veriler ön belleğe (RAM) sığmadığı zaman bu bölüm “RAM” gibi kullanılır ve böylelikle veri akışının devam etmesi sağlanır.

Takas dosyamızı açalım.

sudo nano /etc/dphys-swapfile

Dosya açıldığında şekilde gibi  CONF_SWAPSIZE = 100 satırını kapatın ve CONF_SWAPSIZE = 2048 ekleyelim. CTRL+X yapıp çıkalım.

OpenCV yüklemesini bitirdikten sonra bu değeri tekrar 100 olarak değiştireceğiz.

Daha sonra değişikliklerin uygulanması amacı ile dosyamızı yeniden başlatalım.

sudo systemctl restart dphys-swapfile

Şimdi OpenCV kütüphanesini yükleyelim. (Bu işlem yaklaşık 2 saat sürecek.)

git clone https://github.com/opencv/opencv.git

git clone https://github.com/opencv/opencv_contrib.git

mkdir ~/opencv/build

cd ~/opencv/build

cmake -D CMAKE_BUILD_TYPE=RELEASE \

          -D CMAKE_INSTALL_PREFIX=/usr/local \

          -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \

          -D ENABLE_NEON=ON \

          -D ENABLE_VFPV3=ON \

          -D BUILD_TESTS=OFF \

          -D INSTALL_PYTHON_EXAMPLES=OFF \

          -D OPENCV_ENABLE_NONFREE=ON \

          -D CMAKE_SHARED_LINKER_FLAGS=-latomic \

          -D BUILD_EXAMPLES=OFF ..

OpenCV kütüphanesini yüklediğimize göre “Takas Dosyamızı” eski haline geri döndürelim.

sudo nano /etc/dphys-swapfile

Dosya açıldığında, CONF_SWAPSIZE=100 satırını aktifleştirip CONF_SWAPSIZE=2048 satırını silelim ve dosyamızı yeniden başlatalım.

sudo systemctl restart dphys-swapfile

Ve şimdi de yeni terminal açıp kalan son mödülümüzü yükleyelim.

pip install imputils

Böylelikle projemiz için gerekli tüm modüllerin kurulumunu tamamladık.

Sırada kodlarımız var ama ondan önce eğer “Pi kamerayı” ilk defa kullanacaksanız kurulum için “Pi Kamera Kurulum” adlı yazıma bir göz atmanızı tavsiye ederim.

Raspberry Pi – Yüz Tespit Sistemi Kodları

Kodlara ve yüz tanıma için gerekli .xml dosyasına, aşağıdaki git komutunu terminalde çalıştırarak ulaşabilirsiniz.  Bu git kodu Raspberry Pi “home” dizinine projemiz için gerekli tüm dosyaları “Face-Detection” klasörü altında kopyalacaktır.

git clone https://github.com/furkanbakkal/Face-Detection.git

————————————————————————————————————————————————————

Eğer kodları ve gerekli dosyayı elle eklemek isterseniz aşağıdaki adımları izleyebilirsiniz.

Kodlarımızı çalıştırmadan önce yüklememiz gereken bir dosya daha var.

Normalde bu projeyi gerçekleştirebilmek için Raspberry Pi üzerinde makine öğrenmesi gerçekleştirmemiz gerekirdi ama HaarCascade algoritması sayesinde yüz, kaş ya da göz gibi yapıları makine öğrenmesi yapmadan da tespit edebiliriz.

Ben bu projede yüz tespit algoritmasını olarak haarcascade_frontalface_default.xml dosyasını kullanacağım. (Siz yüzün belli kısımlarını tespit etmek istiyorsanız ilgili tüm algoritmalara buradan ulaşabilirsiniz. Algoritmanın çalışma mantığını öğrenmek için OpenCV’ nin sitesini ziyaret edebilirsiniz.)

Kodumuzun çalışabilmesi için indirdiğimiz dosyanın kodumuzla aynı klasör içinde yer alması gerektiğini unutmayalım. 

Sonuç

Ben bu işlemleri Raspberry Pi 4GB üzerinde gerçekleştirdim. 10-15 FPS civarında bir yenileme hızı alıyorum fakat bunun yüz tespit performansını çok etkilediğini düşünmüyorum.

Zaten elinizde hangi Raspberry Pi modeli olursa olsun ortalama FPS 20’yi geçmeyecektir. 10-15 FPS kulağa çok az gelebilir fakat Raspberry Pi gibi bir sistem için yeterli ve tatmin edici diyebilirim.

Şimdi sizlerle bu proje sonunda, resmi bilgisayar ekranında açıp Pi kamerayı ekrana doğrultarak elde ettiğim birkaç canlı resmi ve videoyu paylaşmak istiyorum. (Solda orijinal resimler, sağda Raspberry Pi üzerinde işlenmiş resim)

Gördüğünüz gibi ilk iki resmimizde tüm yüzler seçili. 

Fakat üçüncü resmimizde 1 kişinin yüzü tam olarak algılanmadı. Eğer hassasiyeti 3 yerine 1 yapsaydık belki o yüzü de yakalama imkanımız olurdu ama bu sefer de Raspberry Pi farklı nesneleri insan yüzü gibi algılayabilir bize içi boş kutucuklar gösterebilirdi. 

Bir de canlı bir örnek olması açısından Pi kamerayı bilgisayarın ekranına doğrultarak çektiğim aşağıdaki test videosuna da göz atabilirsiniz.

Test videosunda fark ettiyseniz,  Raspberry Pi orijinal videonun yaklaşık 1 saniye gerisinden geliyor. Bu, video görüntüsü ile Raspberry Pi’dan gelen görüntünün asenkron olmamasına rağmen gerçekleşen bir durum. Düşük FPS’lerde çalışmanın getirdiği bir gecikme de diyebiliriz.

Bir projemizin daha sonuna geldik. “Raspberry Pi – OpenCV ile Yüz Tespit Sistemi” projesi hakkında herhangi bir sorunuz olursa, GitHub üzerinden “issues” kısmında belirtebilir, bu gönderiye yorum olarak yazabilir ya da mail adresimden bana ulaşabilirsiniz.

İyi çalışmalar dilerim…

#ProjeBaşlasın

The post Raspberry Pi – OpenCV ile Yüz Tespit Sistemi appeared first on Robolink Akademi.