AI分拣系统

是少翔啊

人工智能分拣系统

应用简介

在日常生活中，人们经常需要对物体进行分类，”材料分类”，”垃圾分类”，各式各样的分类需求在日益剧增。相比传统的人工分拣，AI智能识别分拣能够减轻人们工作负担。但对于许多的小白用户来说，AI一词似乎显得十分“遥远陌生”，因此，我们决定用M5Stack硬件体系去构建一个智能分拣的应用模型，让更多人能够学习使用AI摄像头以及制作自己的应用。

物料清单

M5GO x1

BUS Module x1

M5StickV

RGB LED 50cm x2

RS485 Unit x1

6060模组 400mm x1

SG90舵机 x1

1515铝型材

LEGO积木

塑料拖链 x1

GROVE线  1m x1

16G SD卡 x1

12-24V电源适配器 x1

功能原理/具体实现

AI摄像头

使用标准的1515铝型材固定在6060模组上搭建结构顶部，采用了具备AI识别功能的M5StickV用作物体识别，

使用SD卡，参照官网V-Training服务教程（AI识别模型训练服务），构建物体识别模型，达到识别物体效果。

V-Training使用教程：

https://docs.m5stack.com/#/en/related_documents/v-training

完成模型训练后，修改启动程序文件“boot.py”，将M5StickV的拓展接口定义为串口使用。并将识别信息通过串口发送至Basic。

[mw_shl_code=arduino,true]fm.register(board_info.CONNEXT_A,fm.fpioa.UART1_RX)
fm.register(board_info.CONNEXT_B,fm.fpioa.UART1_TX)

uart_A = UART(UART.UART1, 115200)[/mw_shl_code]

注：在进行素材拍摄时请尽可能接近实际使用环境的光线、背景条件。你可以根据实际模型培训结果的识别率对你的程序进行修改，如容易发生误识别的物体，能够设置较高的识别率判定条件，或设置一定的识别有效次数。以减少误识别情况的发生。

[mw_shl_code=arduino,true]uart_A.write(labels[max_index])
uart_A.write('\r')[/mw_shl_code]

BASIC控制器

使用亚力克面板固定结构中部，在其上方放置了搭载ESP32的控制器BASIC，用于控制与内容显示。通过与M5StickV进行串口通信进行识别数据传输，处理，控制执行器做出相应动作。

主机上堆叠的BUS模块用于拓展总线外接RGB灯条。通过FastLED库，我们能够很简易的编程一些酷炫的灯光效果。

底部采用的M5GO底座通过积木结构稳定的安装在了亚克力面板上，底座上3个兼容Grove的拓展接口，用于两组串口通信与发送PWM信号控制分拣舵机。

注：你可以通过程序将串口映射为不同的引脚，如果你使用的主机为Fire，你需要注意避免使用GPIO16/17作为串口。   

  

步进电机模组

结构底部为定制化的6060步进电机运动模组，通过与BASIC进行串口通信，接收控制指令以及返回状态等信息。6060指令集下图所示。

电机运动部分搭配了由积木件组成的分拣托盘，运行过程中，舵机通过更改旋转角度，实现左右两侧的物体分拣。

当物体被成功识别后，作为执行部分运输物体前往相应的分拣位，进行分拣。

使用说明

1.   将模组、控制器、摄像头接通电源，等待设备启动，初始化完成（当灯条点亮且不断变换特效时，表示初始化完成）。

2.   将识别物体，放入识别区（积木托盘）上，即可进行识别、分拣。

演示视频：

https://m5stack.oss-cn-shenzhen.aliyuncs.com/video/Blog/twitter_video_20191115/sorting_system.mp4

注意事项

1.   识别系统十分依赖于颜色与形状，因此请尽可能使用形状区别较大的识别物。

2.   步进电机模组速度较为缓慢，程序上给定的速度较靠近临界值，若运行中途发生“卡顿”，请关闭电源，使其停止，并重新启动。

案例程序 Github Link：

https://github.com/Gitshaoxiang/Project_example/tree/master/sorting_system