Haben Sie ein Problem? mit Fahrern, die die Straße hinunter rasen? Mit diesem von Rob Lauer erstellten Raspberry Pi-Speed-Trap-Projekt können Sie es selbst bestätigen. Es basiert auf maschineller Lerntechnologie, um sowohl Fahrzeuge zu identifizieren als auch ihre aktuelle Geschwindigkeit zu erfassen.
Das Projekt hilft Herstellern, indem es die Häufigkeit und Schwere von Rasern durch automatisches Protokollieren der Verkehrsdaten verfolgt. Der Raspberry Pi erfasst die Geschwindigkeit und Bilder des Fahrzeugs und leitet die Daten dann an ein Cloud-basiertes Dashboard weiter.
Um die Radarfalleneinheit zu bauen, entschied sich Lauer für einen Raspberry Pi 4. Er ist mit einem Raspberry verbunden Pi Camera Module V2 zur Bildaufnahme und ein Doppler-Radarsensor zur Geschwindigkeitsdateneingabe. Für das Mobilfunkmodul wurde ein Blues Wireless Raspberry Pi Starter Kit verwendet.
Lauer hat mit Edge Impulse ein benutzerdefiniertes Modell für maschinelles Lernen für das Projekt erstellt. Für Neulinge im maschinellen Lernen ist ein Modell im Wesentlichen eine Datenbank mit Referenzdateien oder Bildern, die in diesem Fall dem Pi helfen, Fahrzeuge zu identifizieren. Das drahtlose Modul sendet Daten an das Cloud-basierte Dashboard, sodass Benutzer Verkehrs-und Geschwindigkeitsdaten in Echtzeit beobachten können.
Die beste Raspberry Pi-Projekte sind diejenigen, die Sie selbst nachbauen können. Um einen genaueren Blick auf dieses Projekt zu werfen, besuchen Sie den von Rob Lauer erstellten Leitfaden unter Hackster.