서모 센서를 라즈파이에 연결하여 검온해 보았다 (Python)

용도

어떤 제작으로 비접촉 검온을 시스템에 통합하게 되었으므로, 라즈파이 + 서모 센서를 사용하여 실장했습니다. 소지 형식이 아니라, 거치형의 이미지입니다.

※ 먼저 말해 두면, 거기까지 정밀도는 높지 않고, 오차도 경우에 따라서는 1번 정도 생기는 경우가 있습니다. 하지만, 원래 비접촉형의 검온기는 거기까지 정밀도 높지 않은 인상이고, 뭐 이런 것일까라고 생각하고 사용하고 있습니다. (오차에 관해서는, 자신은 복수회 검온하고, 중앙값을 취해 완화하고 있습니다)

사용한 장비

PC OS: macOS Catalina v10.15
온도 센서 : htps //w w. 슈 tch-s 시엔세. 코 m/타타 g/3395/
라즈파이 3B + : htps //w w. 슈 tch-s 시엔세. 코 m/타타 g/3920/

서모 센서 개요

각 소자마다의 온도 측정 범위는 0℃~80℃입니다. 측정 영역은 센서 정면(상하 좌우 약 60도)의 사각형추로, 이 영역을 8x8픽셀로 분할한 2차원 화상을 얻을 수 있습니다.

준비

라즈파이의 환경 구축

라즈파이 설정 및 연결 설명은 생략합니다. SSH나 디스플레이 접속 등으로 터미널을 사용할 수 있는 상태인 것을 전제로 합니다.

지금이라면, 라즈파이에 OS를 인스톨 하기 위한 툴이 있는 것 같기 때문에, 아래의 기사당을 참고로 하면 좋다고 생각합니다.

I2C 활성화

terminal

sudo raspi-config

CUI의 선택 화면이 나오므로,
I2C -> enabled로 활성화할 수 있습니다.

배선

브레드 보트를 사용하는 것이 좋습니다. 참고



배선이 끝나면 연결되어 있는지 확인하는 명령을 실행합니다.

terminal

i2cdetect -y 1

68이 있으면 올바르게 인식됩니다.

     0  1  2  3  4  5  6  7  8  9  a  b  c  d  e  f
00:          -- -- -- -- -- -- -- -- -- -- -- -- --
10: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
20: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
30: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
40: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
50: -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --
60: -- -- -- -- -- -- -- -- 68 -- -- -- -- -- -- --
70: -- -- -- -- -- -- -- --

파이썬으로 온도 획득

필수 모듈 설치

sudo pip3 install adafruit-circuitpython-amg88xx

검온 프로그램

import time
import busio
import board
import adafruit_amg88xx

i2c_bus = busio.I2C(board.SCL, board.SDA)
sensor = adafruit_amg88xx.AMG88XX(i2c_bus, addr=0x68)
time.sleep(0.5) #スリープを挟まないとsensor.pixelsが取得できない
print(sensor.pixels)

실행하면 2차원 배열이 반환됩니다.

terminal

sudo python3 test.py
[[23.5, 23.5, 24.25, 23.75, 23.25, 24.5, 24.25, 23.25], [23.0, 24.0, 23.5, 24.0, 23.75, 24.25, 24.5, 24.25], [23.75, 23.25, 23.75, 24.0, 23.75, 24.5, 24.5, 24.75], [23.25, 23.25, 23.25, 24.0, 23.5, 24.25, 24.5, 25.75], [23.5, 23.75, 23.75, 24.0, 23.5, 24.25, 24.0, 24.0], [23.75, 23.25, 24.25, 23.5, 23.75, 23.25, 23.75, 24.0], [23.25, 23.75, 23.5, 24.25, 23.75, 23.5, 24.0, 24.0], [23.5, 23.0, 24.0, 23.75, 23.25, 23.25, 24.75, 23.75]]

알기 쉽게 플롯 해 보면 ...

import time
import busio
import board
import adafruit_amg88xx
import matplotlib.pyplot as plt

i2c_bus = busio.I2C(board.SCL, board.SDA)
sensor = adafruit_amg88xx.AMG88XX(i2c_bus, addr=0x68)
time.sleep(0.5)
fig = plt.imshow(sensor.pixels, cmap="inferno")
plt.colorbar()
plt.savefig("plot.png")

얼굴입니다. 그렇게 얻을 수 있습니다.

검온 구현

이마 주변을 검온할 필요가 있기 때문에, 거치 상태에서 검온하면, 이용자에게 얼굴의 위치를 ​​고정시켜 줄 필요가 있습니다. 게다가, 이상은 얼굴을 제자리에 맞추면 검온이 시작되면 UX적으로 좋다.

이것을 실현하기 위해서 자신은 카메라 모듈을 별도 준비해, 소정의 위치에 얼굴이 있는 것을 검지한 것을 트리거로 해 검온을 실시했습니다. 이용자에게는 디스플레이에 표시된 카메라와 프레임을 의지하여 얼굴을 맞춰 달라고 합니다. 물론 이 실장을 실시하는 경우는, 카메라의 위치와 서모 센서의 상대 위치를 고정할 필요가 있습니다.

다음은 샘플 프로그램입니다. 얼굴 감지는 OpenCV를 사용했습니다. (실제의 코드를 샘플용으로 변경한 것으로, 동작 확인은 할 수 없습니다)

import picamera
import picamera.array
import time
import cv2
import busio
import board
import adafruit_amg88xx

#カスケードファイルは配布されている物を使ってます
CascadeFile = "./haarcascade_frontalface_default.xml"

with picamera.PiCamera() as camera:
    #カメラの設定
    camera.resolution = (400, 400)
    camera.rotation = 180
    camera.start_preview()
    time.sleep(2)

    with picamera.array.PiRGBArray(camera) as stream:
        while True:
            #カメラの(50,50)から(350,350)の範囲を顔認識の対象かつ顔判定される最小サイズが250x250なので、認識する位置と大きさが絞られます
            camera.capture(stream, 'bgr', use_video_port=True)
            gray = cv2.cvtColor(stream.array[50:350, 50:350], cv2.COLOR_BGR2GRAY)
            cascade = cv2.CascadeClassifier(CascadeFile)
            face_list = cascade.detectMultiScale(gray, minSize=(250, 250), minNeighbors=3)

            if len(face_list) > 0:
                x, y, w, h = face_list[0]:
                temps = []
                i2c_bus = busio.I2C(board.SCL, board.SDA)
                sensor = adafruit_amg88xx.AMG88XX(i2c_bus, addr=0x68)

                #5回検温
                for i in range(5):
                    time.sleep(0.3)
                    _max = 0
                    for j in sensor.pixels[2:6]:
                        for k in j[3:5]:
                            _max = max(_max, k) #範囲内の最大値を扱う
                    temps.append(_max + 5) #表面温度と体温のギャップ埋め
                print(round(sum(sorted(temps)[1:4]) / 3, 1)) #検温結果をソートし中3つの平均を出力
                break

            stream.seek(0)
            stream.truncate()
        camera.stop_preview()

이 부분은 정밀도 향상의 여지가 있을 수 있습니다. (기온을 바탕으로 이 값을 결정하는 등)

temps.append(_max + 5) #表面温度と体温のギャップ埋め

이 코드에 대해 세세하게 설명하는 것은 힘들기 때문에, 자세한 것은 OpenCV PiCamera 근처에서 조사해 보세요.

마지막으로

어디까지나 학생이 제작으로 싹둑 실장한 것이므로, 확실성이 요구되는 경우는 너무 참고로 지나지 않도록 부탁합니다.

고마워요.