AI och Raspberry Pi baserade projekt på hackster.io

Hackster.io: En plattform för hårdvaruinnovation och samarbete

Om du delar min passion för små projekt baserade på Raspberry Pi, artificiell intelligens och Linux, kommer du att finna hackster.io som en guldgruva av inspiration. Denna plattform är en samlingspunkt för teknikentusiaster där man kan utforska och dela en mängd innovativa skapelser. Oavsett om det handlar om att integrera ChatGPT för att skapa interaktiva AI-upplevelser eller att utveckla unika lösningar med enkortsdatorer som Raspberry Pi och Arduino, erbjuder hackster.io en uppsjö av resurser.

Det är platsen där kreativa idéer möter praktisk genomförande, och där gemenskapen ständigt bidrar till att utvidga gränserna för vad som är möjligt med dessa kompakta och mångsidiga enheter.

Det finns över 2 000 maskininlärnings- och AI-projekt och handledningar för nybörjare och avancerade användare. Den fokuserar på algoritmer och statistiska modeller som möjliggör att hårdvara interagerar med människor och maskiner.

VoiceGPT är en röstassistent som använder den kraftfulla ChatGPT-chatboten för att svara på dina frågor.

VoiceGPT är en röstassistent som använder ChatGPT chattbot för att svara på frågor genom realistiskt syntetiserat tal. Projektet är hostat på en Raspberry Pi 4 och använder en anpassad Python-skript, Google Cloud-tjänster för taligenkänning och text-till-tal samt en inofficiell ChatGPT API för att generera svar.

För att köra VoiceGPT behöver du följande komponenter:

1 x Raspberry Pi 4
1 x USB-mikrofon (det används en webbkamera med inbyggd mikrofon)
1 x Högtalare

Dessa komponenter används tillsammans med anpassade Python-skript och tjänster från Google Cloud (för tal-till-text och text-till-tal) för att skapa en fungerande röstassistent baserad på ChatGPT.

https://github.com/nickbild/voice_chatgpt

Böjd körfältsdetektering

I detta projekt har en krökt körfältsdetektor utvecklats med förbättringar från en tidigare version. Systemet omfattar korrigering av bildförvrängning, perspektivvridning, Sobel-filtrering, histogramtoppsdetektering, glidande fönstersökning, kurvanpassning och överlagring av detekterat körfält.

Bildförvrängning i systemet korrigeras genom en process som kallas för kalibrering av kamera och undistorsion. Denna process involverar att man först tar bilder av ett känt objekt, ofta ett schackbräde, från olika vinklar. Dessa bilder används sedan för att identifiera hur kamerans lins förvränger bilden genom att jämföra de förväntade positionerna av schackbrädets hörn med var de faktiskt upptäcks i bilden.

När dessa förvrängningar har identifierats, kan en matematisk modell skapas som beskriver förvrängningen. Med denna modell kan man sedan ”räta ut” framtida bilder som tas med kameran, vilket effektivt tar bort linsens förvrängningseffekter.

Hårvara som används : Nvidia Jetson TX2 + Raspberry Pi 3 Model B.

Skadedjursupptäckt med Raspberry Pi

Bild är från hackster.io – Pest Detection With Raspberry Pi

Projektet handlar om att använda en Raspberry Pi en rörelsedetektor och maskininlärning för att identifiera och dokumentera skadedjur i trädgården. Genom att kombinera en PIR-rörelsesensor med en Raspberry Pi-kamera och avancerad bildanalys via maskininlärningsalgoritmer, kan systemet automatiskt ta bilder när rörelse upptäcks. Dessa bilder analyseras sedan för att avgöra om de innehåller djur.

Om ett djur identifieras sparas bilden och användaren får en notifikation, medan bilder utan djur raderas. Detta tillvägagångssätt möjliggör effektiv övervakning och dokumentation av vilka djur som besöker trädgården, vilket kan hjälpa till med skadedjursbekämpning eller bara ge en intressant inblick i det lokala djurlivet. Projektet inkluderar detaljerade instruktioner för hur man sätter upp hårdvaran och koden som krävs för att genomföra detta.

Bild är från hackster.io – Pest Detection With Raspberry Pi

I projektet används följande hårdvarukomponenter:

  • Raspberry Pi 4: Används som den centrala enheten som kör all kod och hanterar kommunikation mellan de olika komponenterna.
  • PIR-rörelsesensor (generic): Används för att detektera rörelse i trädgården. När rörelse upptäcks, skickar sensorn en signal till Raspberry Pi för att ta en bild.
  • Raspberry Pi-kamera: Ansluts till Raspberry Pi och används för att ta bilder när rörelsesensorn aktiveras.
  • Awclub ABS Plastic Junction Box: Erbjuder ett skyddande skal för hårdvaran, vilket är särskilt användbart för projekt utomhus där väder och vind kan påverka komponenterna.

Projekten på Hackster.io täcker ett brett spektrum av kategorier, inklusive Internet of Things (IoT), wearables, robotik, smarta hem, energi och många fler. Varje projekt innehåller vanligtvis en detaljerad beskrivning, steg-för-steg-instruktioner, kodexempel och listor över nödvändiga komponenter. Detta gör det möjligt för andra användare att enkelt följa med och bygga sina egna versioner av projektet eller anpassa det efter egna behov.

För mer information eller för att börja utforska de otaliga projekt som finns tillgängliga, besök https://www.hackster.io och bli en del av denna växande gemenskap av innovatörer.