緣起:
前兩個禮拜，那個廢物鄰居被他的朋友載出門，不知去哪工作，直接不管他家的小狗，就把它一隻狗放在家中，不管它的死活。要不是我這段時間有去餵它的話，它可能真的會餓死。
前幾天發現一個問題，那小狗會跑去我們神明廳大便，不知是不是它已經沒辨法在它家裡找到適合大便的位置，總之，這件事造成我們不小的困擾，我已經掃它大便兩次了。
為了阻止它繼續在我們神明廳大便，我打算自製一個驅狗器。有上網查，能用超音波來趕狗子，所以想說使用
arduino
搭配紅外線感測器，再加個能發出超聲波的電子零件之類的(?，簡單做。後來仔細去查才發現，一般的蜂鳴器模組是沒辨法做到發出
25K Hz 以上的聲音，如果是想使用 HC-SR04
模組的話，聲音太小，需要加強驅動電路。好麻煩，我又不知怎麼設計電路的東西。
後來想到，好像不一定要超聲波，用喇叭最大音量播放狗吠聲，應該也可以把那隻小狗給嚇跑。所以後來轉而使用
raspberry pi 來處理，我有 3 代的 pi，它有 3.5 mm
的孔能直接連音源線。不過，要用喇叭的話，就不能單純紅外線感測器偵測到物體時播放聲音，如果進來的是我爸媽，然後把他們嚇到，到時我就倒楣了。所以，更好的方案應該是使用
usb 網路攝影機，搭配影像識別。
前天下午都一直在搞這東西，雖然大部份的時間都是在載套件。隔天，我看我爸用鐵網把神明廳的入口擋住，哇，老祖宗的方法果然還是快速又方便
感覺有點白忙一場，後來想了想，還是有學到不少東西，所以想寫篇文章紀錄。
python venv:
呼叫 gpt 幫我寫程式，它推薦我使用 pytorch 與
YOLOv5，第一步先安裝 python3-opencv，python3-pip
已經有了，所以就不安裝
sudo apt update
sudo apt install python3-opencv
再來用 pip3 安裝 python 的 library 時碰上了點問題，收到
externally-managed-environment 的 error，跟這個有關，它會這樣做是為了避免 apt 跟 pip
之間的套件衝突。是可以暴力解，只要加個 --break-package-system
的參數就行，但我還是乖乖的學怎麼用 python 的 venv 好了。
在 Desktop 下執行
python -m venv ./yolo5_dog_detects
它會建立一個資料夾，進入裡頭看，裡面會有
pyvenv.cfg，還有、bin、module、lib、lib64、share，資料夾，bin
裡包含可執行檔，可以用 bin 裡的 pip3 來為此虛擬環境安裝 pip
套件，這樣它就不會報錯了。
./yolo5_dog_detects/bin/pip3 install torch torchvision
git clone https://github.com/ultralytics/yolov5
./yolo5_dog_detects/bin/pip3 install -r ./yolov5/requirements.txtpip3 timeout:
在安裝套件時有碰到一個問題，它會載到一半然後報 timeout
error，有在這邊找到解法，pip3 install 加個 --timeout=1000 的參數就行了
問題就出在我手機網路太慢。
程式:
gpt 給我的初版程式長這樣
import torch
import cv2
# 載入 YOLO 模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
# 開啟 Webcam
cap = cv2.VideoCapture(0)
while True:
ret, frame = cap.read()
if not ret:
break
# 偵測畫面
results = model(frame)
labels = results.pandas().xyxy[0]['name'].values
if 'dog' in labels:
print("狗狗出現啦！")
# 顯示畫面
cv2.imshow('cam', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
這時才知道，原來 cv2 那麼好用啊，抓 webcam
的影像很簡單，用視窗顯示拍到的圖片也很簡單。程式第一次執行時，它會先載模型，等待模型載入也要一小段時間，實際跑起來後，超卡的，像在看幻燈片，目測有五秒的延遲，根本用不了啊，cpu
還會燒到 80 度。
後來在想著怎麼改善程式，想到的解法是，先用紅外線感測器偵測，有偵測到東西後再開始拍照、解析圖像中有沒有狗子。為了讓我更方便觀察，我還有加個
LED 燈，當紅外線感測器有感應到時，讓 LED 燈微亮，當偵測到狗子時，LED
燈全亮。
程式如下，要記得裝 Rpi.GPIO 套件
if __name__ == '__main__':
import sys
import torch
import cv2
import time
import RPi.GPIO as GPIO
LED_PIN = 12
SENSOR_PIN=18
GPIO.setmode(GPIO.BCM)
GPIO.setup(LED_PIN, GPIO.OUT)
GPIO.setup(SENSOR_PIN, GPIO.IN)
pwm=GPIO.PWM(LED_PIN, 100)
pwm.start(0)
model = torch.hub.load('ultralytics/yolov5', 'yolov5n', pretrained=True)
cap=cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
while True:
pwm.ChangeDutyCycle(0)
time.sleep(0.2)
if GPIO.input(SENSOR_PIN) == 1:
pwm.ChangeDutyCycle(1)
for i in range(0,5):
ret, frame=cap.read()
results=model(frame)
labels = results.pandas().xyxy[0]['name'].values
if 'dog' in labels:
pwm.ChangeDutyCycle(100)
print('---------------------------\n')
print('dog appear\n')
print('---------------------------\n')
else:
pwm.ChangeDutyCycle(1)
#cv2.imshow('cam', frame)
#if cv2.waitKey(1) & 0xFF == ord('q'):
# break
cap.release()
cv2.destroyAllWindows()
pwm.stop()
GPIO.cleanup()15 行 : 用 GPIO.PWM 來設定 18 腳 (需要腳位有支援PWM)，頻率 100 Hz
16 行 : 開始 pwm 輸出，初始 duty cycle 為 0
20、21 行 : 為了減輕 pi 的負擔，有把圖片解析度改成 640X480
23 行: 可以呼叫 ChangeDutyCycle 來改變 duty cycle
有先在自己房間裡測試，我用平板，放張狗的照片，然後各種前前後後四處移動，等到測試得差不多後，我開始把設備都搬到神明廳那邊，準備把東西都架設，然後找我家的薯泥來測試。那時已經下午 5 點多，我媽看我在神明廳擺那些東西，警告我說不要鬧，不然爸爸回來後看到這些會罵我，所以我就先停手了。
還有播放 mp3 的部份沒加入，有查過，感覺可以用 vlc 的 python lib 來處理這塊，之後有機會再接著做的話再學吧。
沒有留言:
張貼留言