【源码】基于Arduino和Web界面的手势控制门系统

项目简介

本项目借助Arduino Nano 33 BLE Sense和web界面实现对虚拟门的控制。通过捕获并分类加速度计和陀螺仪的数据，利用蓝牙与Arduino通信，依据识别出的手势完成门的打开或关闭操作。

项目的主要特性和功能

1. 数据捕获：imu_capture文件夹中的代码可捕获IMU传感器数据并输出到串行端口，这些包含加速度计和陀螺仪读数的数据用于后续训练和分类，需保存为.csv格式。
2. 手势分类：imu_classifier文件夹利用机器学习模型，依据传感器数据对执行的手势进行分类。当检测到正确手势，会通过蓝牙发送“true”消息，触发web页面上的门打开。
3. 模型训练：model_training文件夹内的Jupyter笔记本提供了详细的手势识别模型训练步骤，可在Google Colab平台运行。同时包含两个样本.csv文件，用于训练model.h文件。
4. Web页面控制：Web页面支持通过蓝牙与Arduino连接并控制门，接收来自Arduino的开关门命令，门在打开10秒后自动关闭。

安装使用步骤

1. 搭建Arduino IDE环境，准备好Arduino Nano 33 BLE Sense板。
2. 利用Arduino IDE上传imu_capture.ino草图。
3. 执行手势捕获IMU数据，每个手势至少重复10次以提升模型精度。
4. 将串行输出导出为.csv文件，保存捕获的数据。
5. 打开model_training文件夹中的arduino_gesture_model_training.ipynb文件，在Google Colab中按步骤训练机器学习模型，并将模型导出为model.h文件，放置于imu_classifier文件夹。
6. 上传imu_classifier.ino草图。
7. 将index.html和images文件夹托管在web服务器，或在本地web浏览器中打开index.html文件。
8. 在web浏览器中打开网页。
9. 点击“连接到Arduino”按钮，通过蓝牙连接Arduino。
10. 若连接成功，网页会显示相关提示，更改门图像不透明度并将连接按钮变为断开连接按钮。执行手势，识别正确时门打开，10秒后自动关闭。

注意事项

确保在web页面代码（index.html）和Arduino草图（imu_classifier.ino）中调整蓝牙服务和特性UUID，以适配你的具体设置。另外，修改imu_classifier.ino以反映你的训练模型。

依赖项

此项目依赖以下技术、硬件和库： - Arduino IDE - Arduino Nano 33 BLE板 - Arduino_LSM9DS1库 - TensorFlow Lite Micro库 - Arduino的蓝牙低功耗（BLE）库 - 支持JavaScript和蓝牙的Web浏览器

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】