Günümüzün en popüler konularından biri yapay zeka. Biz de bu projemizde Google’ın açık kaynak kodlu yapay zeka kütüphanesi Tensorflow’u kullanarak bir yapay zeka projesi yaptık.
Raspberry Pi’ye taktığımız kamera vasıtasıyla o an görüntülenen nesne Tensorflow’a analiz etmesi için gönderilir. Analiz sonucu daha önceden Tensorflow’a öğretilen nesnelerle karşlaştırılır. Karşılaştırma sonucu Tensorflow bize nesnenin ne olacağına dair beş tane tahmin sunar ve bu tahminleri gösterdiğimiz nesneye benzeme oranına göre puanlandırır.
Butona bastığımızda kamera bir fotoğraf çeker. Çekilen fotoğraf TensorFlow a gönderilir ve görüntünün işlenmesi yapılır. Daha önce bahsettiğimiz gibi TensorFlow görüntüyü anlamlandırmaya çalışır ve görüntünün ne olabileceğine dair 5 tane tahmin yapıyor. Genelde üstteki 2 tahmin en yakın tahminlerdir. Biz bu tahminlerden ilkini yazıdan sese çevirme uygulaması olan Flite ile yazıdan sese çevirip okutacağız. LCD Ekrana da tahminlerin hepsini veya istenilen kadarını yazdıracağız. Biz iki tane yazdırdık.
Raspberry Pi üzerinde ses çıkışı yapabilecek bir cihaz olmadığı için bir hoparlöre ihtiyacımız var. Biz de lehim yeteneklerimizi geliştirmek için Kendin Yap Hoparlör Kiti’ni kullandık. İsterseniz siz de bu kiti satın alabilirsiniz fakat herhangi bir hoparlör de işimizi görecektir. Hatta kulaklık bile takılabilir.
LCD Ekran’ımız da headerleri ayrı bir şekilde geliyor. Header’ı LCD Ekranın pinlerine lehimledikten sonra LCD Ekranın 3. pinine 1k Ohm değerinde bir direnç lehimliyoruz.
Daha sonra Hoparlörün USB kablosunu Raspberry Pi’nin USB girişlerinden birine takıyoruz. Hoparlörümüz gücünü buradan alacak. Hoparlörümüzün 3.5mm jakını da Raspberry Pi’nin 3.5mm jak girişine takıyoruz.
[Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız]Raspberry Pi Hoparlör BağlantısıKameramızı da fotoğraftaki gibi şerit kablonun mavi bantlı tarafı USB portlara bakacak şekilde Raspberry Pi’ye takalım.
[Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız]Raspberry Pi’ye Kamera MontajıDaha sonra GPIO bağlantılarını aşağıdaki görsellere göre yapıyoruz ve yazılım kısmına geçiyoruz.
[Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız]
[Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız]GPIO Bağlantıları (Kutusuz)Projelerini bizim yaptığımız gibi kutuya koymak isteyen arkadaşlar yer kazanmak için bağlantıları aşağıdaki gibi yapabilirler.(NOT: LCD ekran boyutları farklı olsa da bağlantıları aynı yapılmaktadır. Ancak farklı boyutlarda ekran kullanmak için kod kısmında biraz değişiklik yapılması gerekir. Biz 20×4 LCD ekran kullandık.)
[Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız]GPIO Bağlantıları(Kutulu)Raspberry Pi’ye Tensorflow yüklemek:

  • Belirtmek isterim ki bu işlem yaklaşık 3 saat sürmektedir.
  • Terminale bu komutu girerek Tensorflow kütüphanesini cihazımıza indiriyoruz.
    git clone [Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız]
  • Daha sonra cd tensorflow komutuyla indirilen klasöre giriyoruz.
  • Tensorflow klasörüne girdikten sonra sırasıyla aşağıdaki komutları uyguluyoruz.

-tensorflow/contrib/makefile/download_dependencies.sh
-sudo apt-get install -y autoconf automake libtool gcc-4.8 g++-4.8
-cd tensorflow/contrib/makefile/downloads/protobuf/
-./autogen.sh
-./configure
-make
-sudo make install
-sudo ldconfig
-cd ../../../../..
-export HOST_NSYNC_LIB=`tensorflow/contrib/makefile/compile_nsync.sh`
-export TARGET_NSYNC_LIB="$HOST_NSYNC_LIB"
-make -f tensorflow/contrib/makefile/Makefile HOST_OS=PI TARGET=PI \ OPTFLAGS="-Os -mfpu=neon-vfpv4 -funsafe-math-optimizations -ftree-vectorize" CXX=g++-4.8

TensorFlow yüklenmesi bittiyse Tensorflow’u kullanacak programı yüklemeye geçelim.
Projemizin çalışması için gerekli kodlar çok uzun ve ayrı dosyalar halinde olduğu için dosyaları sıkıştırılmış klasör halinde paylaşmayı tercih ettik.
Dosyaları [Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız] indirebilirsiniz.
İndirdikten sonra sıkıştırılmış dosyaları Raspberry Pi’nin “/home/pi” klasörüne çıkartıyoruz.
Daha sonra terminalde sırasıyla
cd robot

sudo bash yukle.sh
komutlarını giriyoruz.
Projemizi “robot” klasörü içindeki “image.py” dosyasından çalıştırabilir(Python 2) üzerinde istediğiniz değişiklikleri yapabilirsiniz.
Projemiz bitti şimdi test edelim.
[Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız][Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız][Değerli Ziyaretci, linki görmeniz icin bu mesaja cevap yazmanız gerekiyorÜye olmak icin burayı tıklayınız]