Hackathon- Lift Bot
Created: October 24, 2021 8:29 PM
Tags: 树莓派
痛点描述
公司搬家后，办公空间和周边环境都的到了很大的提升，唯一体验倒退的，是大楼的电梯。电梯调度算法太烂，每次等电梯都要等5-10分钟不等，每天每人可以花费将近20-30分钟等电梯，公司在海亮大概500人，30*500/60=250小时，每个月5500小时，等于每个月浪费550天工时。同时，访客到来时，也容易留下不好的印象。我时常想，如果能把这些时间节约下来，多好。
怎么解决
找个人，立在电梯口，有人要坐电梯，他就按一下，等电梯到了就通知要做电梯的人来。
使用这种方式，每个月依旧可以节约5280个小时，不过，这是不是有点太蠢了？
所以，我们使用计算机来代替我们做这些事
通过手机发送请求到树莓派，触发舵机按下电梯按钮，启动vision kit，使用深度学习进行计算机视觉识别电梯LED显示屏上的楼层信息，电梯快到时，发送通知去坐电梯。
硬件设备
主机
树莓派Zero W * 2
视觉识别
Google Vision Kit * 1
Tensorflow深度学习主板、摄像头、按键、LED、蜂鸣器
机械驱动
WS-SG900舵机 * 1
舵机驱动主板 * 1
网络部分
两个树莓派各启动了一个flask的web服务，用于接收命令，及发出命令。
舵机所在树莓派
有一个接收按键命令的接口，对接了一个舵机驱动板，用于接收舵机执行命令，并驱动舵机。
计算机视觉所在的树莓派
提供了接收开始计算机视觉识别的接口，调用google的aiy vision主板对电梯的仪表盘进行识别，识别出楼梯向12楼上下3位的位置逼近时，调用飞书接口给对应人发送消息。
模型部分
使用了Google Tesorflow 移动版的mobilenet识别模型，用于进行监督学习分类。识别不同的楼层及上下楼情况。
数据收集
收集了不同楼层上下的图片，两百多张。去除mac的隐藏文件
打标签
分成30个不同的标签，up to 1， down to 1，每个楼层都分为这两类图片
缺陷
时间的关系，模型的参数还没调的很好，识别率还不到80%
结果
获得了2021年公司Hackthon的第一名，并获得一万元的奖金。
Todo
贴一个制作过程及效果的视频
