https://github.com/lgariv/maskpass
Electronic Engineering final project
https://github.com/lgariv/maskpass
face-mask face-mask-classification keras opencv tensorflow
Last synced: about 2 months ago
JSON representation
Electronic Engineering final project
- Host: GitHub
- URL: https://github.com/lgariv/maskpass
- Owner: lgariv
- License: mit
- Created: 2021-01-03T11:53:21.000Z (over 5 years ago)
- Default Branch: main
- Last Pushed: 2021-07-30T16:03:03.000Z (almost 5 years ago)
- Last Synced: 2025-10-31T14:04:53.011Z (8 months ago)
- Topics: face-mask, face-mask-classification, keras, opencv, tensorflow
- Language: Python
- Homepage:
- Size: 21.5 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README-he.md
- License: LICENSE
Awesome Lists containing this project
README
# פרויקט גמר
## שלב 1
**אימון מודל לסיווג מסיכה ב-Google Colab (בעזרת GPU)**
- מודל מבוסס MobileNet V2:
[](https://colab.research.google.com/drive/1x3a_JSMoKCcjiKo2UGFiot2A4JVBdYar?usp=sharing)
## שלב 2
**התקנת מערכת הפעלה Raspberry Pi OS 64-bit על Raspberry Pi 4B**
[יש להוריד את הגירסא האחרונה](https://downloads.raspberrypi.org/raspios_arm64/images/)
מומלץ להתקין על כרטיס זיכרון או דיסק און קי באמצעות [Raspberry Pi Imager](https://www.raspberrypi.org/software/).
לאחר ההתקנה על כרטיס הזיכרון, על מנת לקבל גישה ל-Raspberry Pi בלי לחברו למסך, מקלדת ועכבר חיצוניים יש ליצור קובץ טקסט חדש בשם `ssh` (באותיות קטנות) וללא סיומת בתיקיה הראשית.
על מנת לחבר את ה-Raspberry Pi לרשת האלחוטית המקומית שלנו, ניצור קובץ טקסט חדש שתוכנו:
```txt
ctrl_interface=DIR=/var/run/wpa_supplicant GROUP=netdev
update_config=1
country=IL
network={
ssid="WiFi"
psk="Password"
}
```
כאשר בתוך המרכאות הכפולות יש למלא את השם והסיסמא לרשת, בהתאמה.
על מנת להתחבר ל-Raspberry Pi על גבי SSH, נתחבר לאותה הרשת שהגדרנו ונבצע את הפקודה הבאה:
```bash
ssh pi@raspberrypi.local
```
הפקודה תבקש סיסמא - הסיסמא ברירת המחדל היא `raspberry` (באותיות קטנות).
## שלב 3
**עדכונים**
לאחר שה-Raspberry Pi נדלק, נבצע מספר פקודות על גבי SSH על מנת לוודא שהמערכת מעודכנת:
```bash
sudo apt update
sudo apt full-upgrade -y
sudo apt dist-upgrade
sudo apt autoremove --purge
sudo apt clean
```
## שלב 4
**התקנת NumPy**
```bash
pip3 install numpy
```
## שלב 5
**התקנת OpenCV גירסא 4.5.0 (מותאם לארכיטקטורת `arm64`)**
[מדריך של Q-engineering](https://qengineering.eu/install-opencv-4.5-on-raspberry-64-os.html)
## שלב 6
**התקנת TensorFlow Lite Runtime גירסא 2.5.0 (מותאם לארכיטקטורת `arm64`)**
```bash
echo "deb https://packages.cloud.google.com/apt coral-edgetpu-stable main" | sudo tee /etc/apt/sources.list.d/coral-edgetpu.list
curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -
sudo apt-get update
sudo apt-get install python3-tflite-runtime
```
[מקור: TendorFlow.org/lite](https://qengineering.eu/install-tensorflow-2.4.0-on-raspberry-64-os.html)
## שלב 7
**התקנת המסך MHS3528**
בשורת הפקודה של ה-Raspberry Pi:
```bash
sudo rm -rf LCD-show
git clone https://github.com/goodtft/LCD-show.git
chmod -R 755 LCD-show
cd LCD-show/
sudo ./MHS35-show
```
## שלב 8
**הורדת הפרויקט**
בשורת הפקודה של הRaspberry Pi:
```bash
git clone https://github.com/lgariv/CollegeProject.git
```
## שלב 9
**הורדת המודל לסיווג המסיכה מ-Google Colab**
העברה ל-Raspberry Pi, פקודה מהמחשב שאליו הורדנו את הקובץ:
```cmd
scp /path/to/model_quant.tflite pi@raspberrypi.local:/home/pi/CollegeProject/models/model_quant.tflite
```
## שלב 10
**הפעלה**
בשורת הפקודה של ה-Raspberry PI:
```bash
cd CollegeProject
python3 door-model.py & python3 Object_detection_webcam_tflite.py && fg
```