TouchFree : Contrôle de température automatisé et kiosque de détection de masque : 5 étapes
TouchFree : Contrôle de température automatisé et kiosque de détection de masque : 5 étapes

Table des matières:

Anonim
Image
Image
TouchFree: contrôle automatisé de la température et kiosque de détection de masque
TouchFree: contrôle automatisé de la température et kiosque de détection de masque
TouchFree: contrôle automatisé de la température et kiosque de détection de masque
TouchFree: contrôle automatisé de la température et kiosque de détection de masque

Alors que les pays du monde entier rouvrent, vivre avec le nouveau coronavirus devient le nouveau mode de vie. Mais pour arrêter la propagation du virus, nous devons séparer les personnes atteintes du coronavirus du reste.

Selon le CDC, la fièvre est le principal symptôme du coronavirus avec jusqu'à 83% des patients symptomatiques présentant des signes de fièvre. De nombreux pays rendent les contrôles de température et les masques obligatoires pour les écoles, les collèges, les bureaux et autres lieux de travail.

Actuellement, les contrôles de température sont effectués manuellement à l'aide d'un thermomètre sans contact. Les examens manuels peuvent être inefficaces, peu pratiques (dans des endroits très fréquentés) et risqués.

Pour résoudre ces problèmes, j'ai conçu un kiosque qui automatise le processus de vérification de la température en utilisant un capteur de température infrarouge facial et sans contact et une détection de masque à l'aide d'un réseau neuronal d'apprentissage profond.

L'utilisation de ce kiosque n'est pas limitée aux écoles, collèges, bureaux et autres lieux de travail, mais peut également être utilisée dans les zones à haut risque comme les hôpitaux. Cet appareil peut également être utilisé dans les gares, les arrêts de bus, les aéroports, etc.

Mon approche pour ce projet consistait à créer un processus de configuration simplifiée de telle sorte que toute personne sans aucune expérience préalable de la vision par ordinateur ou de l'apprentissage en profondeur puisse l'utiliser. Il s'agit d'un projet entièrement fonctionnel et prêt à l'emploi. J'ai rendu ce projet hautement personnalisable en ajoutant des fichiers de code pour chaque partie autonome et la version complète. Ainsi, vous pouvez utiliser n'importe quelle partie du projet individuellement.

Explication

Premièrement, le réseau de neurones d'apprentissage profond basé sur Tensorflow essaie de détecter si la personne porte un masque ou non. Le système a été rendu robuste en l'entraînant avec de nombreux exemples différents pour éviter les faux positifs.

Une fois que le système a détecté le masque, il demande à l'utilisateur de retirer le masque afin qu'il puisse effectuer un repérage facial. Le système utilise le module DLIB pour le repérage facial pour trouver le meilleur endroit sur le front de la personne à partir duquel prendre la température.

Ensuite, en utilisant le système de contrôle PID avec des servomoteurs, le système essaie d'aligner le point sélectionné sur le front avec le capteur. Une fois aligné, le système mesure la température à l'aide d'un capteur de température infrarouge sans contact.

Si la température se situe dans la plage de température normale du corps humain, cela permet à la personne de continuer et envoie un e-mail à l'administrateur avec une photo et d'autres détails tels que la température corporelle, etc.

Fournitures

Matériel

  1. Raspberry Pi Modèle 2/3/4
  2. Module caméra Raspberry Pi v1/v2
  3. Module de capteur de température infrarouge sans contact (MLX90614)
  4. Écran tactile officiel Raspberry Pi (ou écran tactile générique de 3,5 pouces) (en option)
  5. Kit d'inclinaison panoramique
  6. Servo micro numérique SG90 x 2
  7. Carte Micro SD
  8. Adaptateur secteur Raspberry Pi

Logiciel

  1. Raspberry Pi OS (anciennement Raspbian)
  2. Tensorflow-2.2.2
  3. OpenCV
  4. Repère facial DLIB

Conseillé: