« SE5 ECEAI/eceai 2023/2024/BalbastreSimon » : différence entre les versions

De wiki-se.plil.fr
Aller à la navigation Aller à la recherche
Ligne 43 : Ligne 43 :
1 fichier par classe, 1 ligne par mouvement.
1 fichier par classe, 1 ligne par mouvement.


Cela nous a permit de détecter les rotation dans un intervalle de temps prédéfini d'environ 7 secondes. L'IA fonctionnant très bien après validation (87,40% de précision avec le modèle random forest), nous avons décidé de détecter les mouvement en continu en faisant de l'augmentation de données. En découpant les échantillons de différenctes facons pour détecter des parties de la rotation.
Cela nous a permit de détecter les rotation dans un intervalle de temps prédéfini d'environ 7 secondes.  


==== Acquisition du dataset. ====
<syntaxhighlight lang="python3">
import serial
import numpy as np
import keyboard


import sys


Nous avons fait tourner l'IA avec l'émulateur sur le serveur.
#py -m serial.tools.list_ports
n, m = 4, 4
res = (n,m)
 
nb_sample_per_recording = 20
 
try:
file = sys.argv[1]
except:
print("Give file name as input.")
exit()
 
 
print("Writing to", file)
 
with serial.Serial('COM7', 460800, timeout=1) as ser:
for i_sample in range(10):
f = open(file, mode="a")
print("Press q to start recording")
while 1:
if keyboard.is_pressed('q'):  # if key 'q' is pressed
break  # finishing the loop
 
#synchronisation
line = ser.readline().decode()  # read a '\n' terminated line
while line != "\n":
line = ser.readline().decode()  # read a '\n' terminated line
 
print("Sample number: {}".format(i_sample))
print("Recording...")
 
lines = []
for t in range(nb_sample_per_recording):
#converts to matrix
mat = np.zeros(res)
for i in range(n):
line = ser.readline().decode()  # read a '\n' terminated line
line = str(line)
cells = line.split('|')
for j in range(m):
intensity, state = cells[j].split(':')
try:
intensity = int(intensity)
except:
intensity = 0
mat[i][j] = intensity
 
line = ser.readline()  # read a '\n' terminated line
mat = mat.flatten()
str_list = map(str,mat)
line = ",".join(str_list)
lines.append(line)
#np.savetxt("main bouge.csv", matrix, delimiter=",")
lines = ",".join(lines)
f.write(lines)
f.write("\n")
print("Finished")
 
f.close()
</syntaxhighlight>L'IA fonctionnant très bien après validation (87,40% de précision avec le modèle random forest), nous avons décidé de détecter les mouvement en continu en faisant de l'augmentation de données.
 
==== Augmentation ====
Nous avons découpé les échantillons de façon aléatoire pour détecter des parties de la rotation plus courtes.
 
=== Communication ===
 
==== Carte NUCLEO ====
Grâce à cube IDE, nous avons flashé la carte avec un des code d'exemples adapté au capteur et à la carte: 53L5A1_SimpleRanging.
 
Nous avons modifié le code afin de rendre le formatage de communication série moins lourd.
 
==== Réception des données sur la raspberry ====
<syntaxhighlight lang="python3">
import serial
import numpy as np
import keyboard
 
import sys
 
#py -m serial.tools.list_ports
n, m = 4, 4
res = (n,m)
 
with serial.Serial('COM7', 460800, timeout=1) as ser:
#synchronisation
line = ser.readline().decode()  # read a '\n' terminated line
while line != "\n":
line = ser.readline().decode()  # read a '\n' terminated line
 
while 1:
print("New sample")
#converts to matrix
mat = np.zeros(res)
for i in range(n):
line = ser.readline().decode()  # read a '\n' terminated line
line = str(line)
cells = line.split('|')
for j in range(m):
intensity, state = cells[j].split(':')
try:
intensity = int(intensity)
except:
intensity = 0
mat[i][j] = intensity
line = ser.readline()
mat = mat.flatten()
str_list = map(str,mat)
line = ",".join(str_list)
 
</syntaxhighlight>Nous avons fait tourné l'IA avec l'émulateur sur le serveur.


== A detailler un peu mieux ==
== A detailler un peu mieux ==

Version du 28 janvier 2024 à 21:52

Le Sujet

L'objectif de ce TP est de créer un système capable de reconnaître certains mouvements à l'aide d'une caméra, notre système doit faire la différence entre une rotation de la main dans le sens horaire et une rotation dans le sens trigonométrique.


L'architecture utilisée est la suivante:

Un capteur X-NUCLEO-53L5A1 récupère les données, il est consitué d'une matrice 8x8 de capteurs de distance, nous utiliserons ici une matrice 4x4 faisant partie du composant NUCLEO.

Ce composant NUCLEO est envoie les données brutes à une stm32 chargée de les formater avant de les transmettre à une raspberry pi4.

La raspberry pi utilise un script python pour récupérer les données et les envoyer par MQTT (un protocole basé sur TCP) à une machine virtuelle hébergée sur chassiron.

Ce travail a été réalisé par Maxime Balbastre et Élias Simon

Raspberry Pi4

Nous avons d'abord cherché à mettre l'OS Raspbian sur la carte à l'aide de l'installeur "Raspberry PI Imager"

L'objectif était de configurer la raspberry via une liaison série vers la zabeth. Devant les difficultés éprouvées, nous avons décider de nous tourner vers une autre connexion et nous avons re-flashé la carte en la connectant directement au routeur WiFi_IE_1 en autorisant les connexions ssh.

De cette manière nous pouvions nous connecter à la raspberry par ssh en partant de n'importe quelle machine connectée à WiFi_IE_1.


Machine virtuelle

Nous avons d'abord créé une machine virtuelle tournant sur debian à l'aide de la commande suivante:

xen-create-image --hostname BalbastreSimon --force --dist bookworm --size 10G --memory 1G --dir /usr/local/xen --password glopglop --dhcp --bridge bridgeStudents

Il fallait ensuite faire les configurations réseau, nous avons ajouté ceci dans le fichier /etc/network/interfaces afin de permettre les connexions en ipv6:

auto enX0
iface enX0 inet6 auto

Nous avons ensuite ajouté ces lignes dans le fichier /etc/resolv.conf afin de stocker les adresses des serveurs DNS:

domain plil.info
search plil.info plil.fr
nameserver 2a01:c916:2047:c800:216:3eff:fe82:8a5c

Enfin, nous avons ajouté de nouvelles sources dans le fichier /etc/apt/sources.list pour pouvoir ajouter certains paquets jusqu'alors inaccessibles

deb     http://deb.debian.org/debian     bookworm main contrib non-free non-free-firmware
deb-src http://deb.debian.org/debian     bookworm main contrib non-free non-free-firmware

IA

Nous avons utilisé nanoedge pour les entraînements. Nous avons choisi de détecter les mouvements de rotation de la main. Le format du dataset était le suivant:

1 fichier par classe, 1 ligne par mouvement.

Cela nous a permit de détecter les rotation dans un intervalle de temps prédéfini d'environ 7 secondes.

Acquisition du dataset.

import serial
import numpy as np
import keyboard

import sys

#py -m serial.tools.list_ports
n, m = 4, 4
res = (n,m)

nb_sample_per_recording = 20

try:
	file = sys.argv[1]
except:
	print("Give file name as input.")
	exit()


print("Writing to", file)

with serial.Serial('COM7', 460800, timeout=1) as ser:
	for i_sample in range(10):
		f = open(file, mode="a")
		print("Press q to start recording")
		while 1:
			if keyboard.is_pressed('q'):  # if key 'q' is pressed 
				break  # finishing the loop

		#synchronisation
		line = ser.readline().decode()   # read a '\n' terminated line
		while line != "\n":
			line = ser.readline().decode()   # read a '\n' terminated line

		print("Sample number: {}".format(i_sample))
		print("Recording...")

		lines = []
		for t in range(nb_sample_per_recording):
			#converts to matrix
			mat = np.zeros(res)
			for i in range(n):
				line = ser.readline().decode()   # read a '\n' terminated line
				line = str(line)
				cells = line.split('|')
				for j in range(m): 
					intensity, state = cells[j].split(':')
					try:
						intensity = int(intensity)
					except:
						intensity = 0
					mat[i][j] = intensity

			line = ser.readline()   # read a '\n' terminated line
			mat = mat.flatten()
			str_list = map(str,mat)
			line = ",".join(str_list)
			lines.append(line)
			#np.savetxt("main bouge.csv", matrix, delimiter=",")
		lines = ",".join(lines)
		f.write(lines)
		f.write("\n")
		print("Finished")

		f.close()

L'IA fonctionnant très bien après validation (87,40% de précision avec le modèle random forest), nous avons décidé de détecter les mouvement en continu en faisant de l'augmentation de données.

Augmentation

Nous avons découpé les échantillons de façon aléatoire pour détecter des parties de la rotation plus courtes.

Communication

Carte NUCLEO

Grâce à cube IDE, nous avons flashé la carte avec un des code d'exemples adapté au capteur et à la carte: 53L5A1_SimpleRanging.

Nous avons modifié le code afin de rendre le formatage de communication série moins lourd.

Réception des données sur la raspberry

import serial
import numpy as np
import keyboard

import sys

#py -m serial.tools.list_ports
n, m = 4, 4
res = (n,m)

with serial.Serial('COM7', 460800, timeout=1) as ser:
	#synchronisation
	line = ser.readline().decode()   # read a '\n' terminated line
	while line != "\n":
		line = ser.readline().decode()   # read a '\n' terminated line

	while 1:
		print("New sample")
		#converts to matrix
		mat = np.zeros(res)
		for i in range(n):
			line = ser.readline().decode()   # read a '\n' terminated line
			line = str(line)
			cells = line.split('|')
			for j in range(m): 
				intensity, state = cells[j].split(':')
				try:
					intensity = int(intensity)
				except:
					intensity = 0
				mat[i][j] = intensity
		line = ser.readline()
		mat = mat.flatten()
		str_list = map(str,mat)
		line = ",".join(str_list)

Nous avons fait tourné l'IA avec l'émulateur sur le serveur.

A detailler un peu mieux

-Formatage des messages envoyés par la Nucleo avec STM32CubeIDE

-installation de mosquitto sur la VM

-installation de mosquitto sur la raspberry (client)

-en fait le client marche mieux en python sans mosquitto

-en fait le broker marche mieux en python sans mosquitto non plus