はじめに Raspberry Pi 3 Model B+は、Pi 3 Model BおよびPi 2 Model Bと同じフォームファクタを持ちます。本ガイドではPi 3 Model Bの画像を使用していますが、すべての手順はB+にもそのまま適用できます。 最新のPi 3ハードウェアでは、デバイスを動作させる手順はPi 2と同一ですが、より新しいソフトウェアとハードウェア機能が利用可能です。以下の手順に従って、キットの組み立て、オペレーティングシステムのインストール、デスクトップまたはヘッドレス運用のための設定を行ってください。 このガイドで扱う内容 キットの組み立て オペレーティングシステム

手書き数字を文字起こしする深層畳み込みニューラルネットワークを訓練し、Raspberry Piカメラ、OpenCV、TensorFlowを用いてPi上でリアルタイム推論を行う手順を解説します。 概要 このプロジェクトでは、データ準備とモデル訓練をノートPCで行い、Piカメラでリアルタイム数字認識を行うまでのAIパイプライン全体を歩みます。画像操作にはScikit-LearnとOpenCV 3.3を、深層学習にはKeras（TensorFlowバックエンド）を使用します。 MNISTデータセット（28×28ピクセルのグレースケール数字画像：訓練6万枚、テスト1万枚）を用います。Piカメラで撮影し

Raspberry Pi、LEGOベースのプラットフォーム、AWSサービスを活用して、トレーディングカードやコレクタブルカードのデジタルカタログを構築する方法を紹介します。 背景 Magic: The Gatheringのカードが入った箱を発見した際、自分が何枚持っていて、それらの価値がいくらなのかを知りたくなりました。手作業で1枚ずつ記録するのは非現実的だったため、プロセスを自動化することにしました。このソリューションは、Raspberry Pi、カスタムLEGOプラットフォーム、AWS S3およびRekognitionを組み合わせたものです。 処理の流れ LEGOプラットフォームに搭載し

スマートゴミ箱は、複数のセンサーを用いてゴミ箱の状態をリアルタイム監視し、オーバーフロー防止と環境負荷低減を実現するIoT対応ソリューションです。 ストーリー コンテンツガイドライン 背景 効果的な廃棄物管理は地球保護に不可欠です。公共スペースや自然保護区では、多くの人が自らの生成する廃棄物を軽視し、適切な収集がなければゴミが蓄積し生態系を害します。保護区域でも、放置された廃棄物によってリスクにさらされます。 汚染された廃棄物 自然環境を守るには、適切に管理された廃棄物収集ポイントが必須。ゴミ箱はオーバーフロー前に空にする必要がありますが、遠隔地のトレイルやアクセス困難な場所では困難です

コンピュータビジョンを用いて色物体を自動追跡するパン/チルトサーボシステム。 ストーリー はじめに 前回のチュートリアルでは、パン/チルトサーボを制御してRaspberry Piカメラを位置決めする方法を学びました。今回は、カメラが色物体を自律的に追跡できるよう、そのセットアップを拡張します。 これは私のOpenCV初体験ですが、このオープンソースコンピュータビジョンライブラリの虜になりました。 OpenCVは学術/商用利用無料、C++、C、Python、Javaインターフェースを提供、Windows、Linux、macOS、iOS、Androidで動作。このシリーズでは、OpenCV

装着者の心拍数をリアルタイムで取得し、読み取り値が事前定義された安全範囲から外れた場合に介護者へ通知する堅牢なソリューション。 背景 このプロジェクトの目的は、患者の心拍数を継続的に監視し、値が臨床的に許容される範囲外に逸脱した場合にアラートを発報することです。 技術スタック ANT+心拍数センサー + USB ANT+スティック Amazon Web Services (AWS) IoT Core & Device Shadow Windows 10 IoT on Raspberry Pi 2（アラート処理用） パート1 – 心拍数データの取り込み ANT+ライブラリを

リビングスペースで温度、気圧、湿度、高度を正確に測定するコンパクトな気象ステーションを構築します。 ストーリー Raspberry Pi 2上のWindows 10 IoT Core向けAdafruit Starter Packを使用し、BME280センサー（またはBMP280）をインターフェースして環境データを読み取り、クラウドサービスにパブリッシュする方法をデモンストレートします。 BMP280をお持ちの場合は、Weather Station v1ガイドを参照してください： Weather Station v1 ハードウェア Raspberry Pi 2をブレッドボードに接続し、以下

このチュートリアルでは、Adafruit 10DOF IMU（L3GD20H、LSM303、BMP180）をWindows 10 IoT Core搭載Raspberry Pi 2に接続し、Windows UniversalアプリでセンサーデータをAzure Event HubsとStream Analyticsにストリーミングする手順を解説します。 前提条件 ハードウェア： Windows 10 IoT Core搭載Raspberry Pi 2。セットアップ詳細は Windows on Devices 参照 センサー： Adafruit 10DOF IMU（L3GD20H + LS

このモーション制御IoTボタンをリモートスイッチ、防犯ビーコン、カウンター、動き検知器として活用。Raspberry Piの簡素さ、PIRセンサーの感度、AWS IoTの拡張性を組み合わせたソリューションです。 3週間の実験を経て、AmazonのIoT Buttonを模倣するプロジェクトをデプロイ成功。システムはPIRセンサーで動きを検知し、MQTTでAWS IoTにイベントをパブリッシュ、サブスクライバー側のPiで定義済みアクション（ライト点灯、カメラ起動、Amazon SNS経由のアラート送信など）をトリガーします。 主要コンポーネント Raspberry Pi（ゲートウェイ）

センサー値を直接Googleスプレッドシートに記録する堅牢なシステム。マイクロコントローラーと軽量サーバーをシンプルなHTTPリクエストで橋渡しし、 gspread ライブラリでデータを書き込みます。 開始前に、gspreadドキュメントのOAuth2セットアップ手順に従い、スクリプトに対象スプレッドシートへのアクセス権を付与してください。 ハードウェア接続 D0 to RST：ディープスリープからのウェイクアップに必須 + to 3.3V：Wemosの3.3Vピンに接続 – to GND：WemosのGNDに接続 Signal to A0：WemosのA0ピンに接続

Windows 10 IoT Core、Raspberry Pi 2、XBeeワイヤレスモジュールの力を活用し、信頼性が高くデータ駆動型の芝生灌漑システムを構築。土壌水分をリアルタイムで測定し、必要な時のみスプリンクラーを作動させることで水の無駄を削減し、スマートフォンからアクセス可能なWebインターフェースで管理を簡素化します。 背景 米国の広範囲で最近発生した干ばつは、効率的な水利用の必要性を高めています。住宅所有者は灌漑プロセスを自動化することで水消費を削減できますが、従来の住宅用コントローラーはガレージに埋もれ、不透明なダイヤルを備え、実際の植物水分需要に合わせた知能を欠いています。

標準的なRCカー（Raspberry Pi + Pi Camera）を、TensorFlowのSSD MobileNetV2を用いてゴミを検知・収集する自律走行ゴミ収集車に変身させるガイド。 プロジェクト概要 このガイドでは、Raspberry Pi 3とPi Cameraを搭載した標準的なRCカーを自律ゴミ収集車に変える方法を示します。ソリューションは2つの軽量ニューラルネットワークに依存：1つはリアルタイム物体検知、もう1つはステアリングとスロットル制御。Pi 3の限られたRAMとCPUでは一度に1つのモデルしか実行できないため、検知と走行をタイムスライス方式で交互に実行します。 核心

このWindows 10 IoT Coreプロジェクトでは、デジタル光センサーの読み取り値に基づいてリアルタイムでLEDを駆動する方法を示します。センサー接続のGPIOピンを監視するだけで、光の有無に応じてLEDをトグルするアプリケーションです。 プロジェクト概要 目標はシンプル：周囲光があるときLEDを点灯、光がなくなると消灯。すべてのロジックはUIなしの単一C#ファイルで処理され、コードが軽量で迅速なプロトタイピングに最適です。 プロジェクト結果のデモ（画像プレースホルダー） ボードのセットアップ 以下は配線図。コードも合わせて更新すればピン番号は変更可能です。 デジタル光セン

ストーリー はじめに レーンマーキングは自動運転システムの要であり、車両を交通の中から安全に導きます。直線レーン検知の前プロジェクトを基に、影、遮蔽、不整地路面など複雑な環境でも確実に動作する堅牢な曲線レーン検知パイプラインを開発しました。 完全な画像処理ワークフローはPythonとOpenCVで実装： 歪み補正 透視変換（パースペクティブワープ） ソベルフィルタリング ヒストグラムピーク検出 スライディングウィンドウ探索 多項式曲線フィッティング 検知レーンのオーバーレイ リアルタイム動画処理 従来システムの限界 以前のモデルは直線レーンに限定され、

環境データを収集し、安全にDropboxへアップロード。Sense HATジョイスティックでデバイスを制御し、完全自律型セットアップを実現。 ストーリー 注：コードの利用は自由ですが、クレジット表記をお願いします。（[email protected]） 気象ステーションについて多くの時間を費やして調査した結果、独自のステーション構築に着手しました。以下のガイドは、信頼性の高いデータ収集が不可欠な遠隔地への展開を想定して作成されています。 このソリューションはPython 2.7で動作し、セットアップと運用中に継続的なインターネット接続を必要とします。Raspbian（Raspberr

SIGHT：視覚障害者を支援するスマートグラス TensorFlow on Android Thingsを搭載したRaspberry Piベースのスマートグラスが、周囲を識別し、視覚障害者に音声で説明します。 ストーリー 視覚障害者は日常的に困難に直面し、不安を感じることが多々あります。最小限の支援で物体の位置を特定できても、世界の美しさにアクセスすることは困難です。SIGHTは、軽量で着用可能なデバイスを通じてリアルタイムの視覚的文脈を提供することで、そのギャップを埋めます。 SIGHTの仕組み ユーザーがボタンを押すと、内蔵カメラが画像を撮影し、TensorFlowがRaspberry

プロジェクト概要 このプロジェクトは、EEG信号を分析してストレス、怒り、幸福、恐怖を検知できるコンパクトなエモーションセンサーを提示します。システムは安価なコンポーネントで構築されており、ホビイストや研究者にもアクセスしやすい設計です。 主要コンポーネント Quod 4プロセッサー – 14ユーロ Quod Z6コントローラー – 3ユーロ オプション：Raspberry Pi（拡張データログと可視化用） ワイヤー、スイッチ、9V電池とコネクター ソフトウェア概要 センサーはEEGデータを読み取り、ホストシステムに転送して分析します。以下はデータフローを示す簡略化スク

このガイドでは、Phantom YoYo高感度水センサーをMCP3008 8チャネル10ビットADCに接続し、Windows 10 IoT Core搭載Raspberry Pi 2とC#でデータを読み取る手順を解説します。MCP3008はアナログ信号を10ビットデジタル値（0〜1023）に変換し、任意の基準電圧にスケーリング可能です。 なぜMCP3008を使うのか？ MCP3008はコンパクトで低コストなSPIインターフェースADCです。10ビット分解能で1024段階の離散レベルを提供し、細かな電圧識別が可能。3.3V基準の場合、センサー出力を以下の式で電圧に変換できます： voltage

故障したプールシステムを、Raspberry Pi、低消費電力Arduino、オープンソースソフトウェアを用いた完全自動・センサードリブンのソリューションに置き換えたDIYエンジニアの軌跡。水位、温度、pH、ORP、フィルター圧力、電力使用量、ポンプ稼働を継続監視し、必要な時のみ給水を行います。 ストーリー 2015年の夏、息子たちと私は自宅プールの連鎖的な問題に取り組みました—不良配水管、漏れるバルブ、劣悪なフィルター、役に立たないプール業者。システム全体の再構築がミッションとなりました：プール清掃、新コンポーネント設置、そして何よりインテリジェントな自動化の実現。 アイデア 核心目標は

ホテルやスマートホームのあらゆる重要コンポーネントを監視・自動化する、安全なクラウド接続ソリューション。Androidデバイスからデバイス制御、リアルタイムアラート受信、設定可能なルールに基づく運用自動化を実現。 概要 センサーとアクチュエーターをArduinoとRaspberry Pi経由でクラウドに接続し、ネイティブAndroidアプリからアクセス可能な統合ダッシュボードを提供。主な機能： 駐車場、温度、水位のリアルタイム監視 モーターとゲートの自動制御 重要イベントのメールアラート設定 クロスプラットフォーム互換性と安全なデータ保存 デモハイライト 駐車場