โปรเจกต์ลงมือทำบนคอมพิวเตอร์

ซ้อมตรวจข้อมูลและส่งรายงานสาธารณภัย

ใช้ CSV สังเคราะห์ฝึกตรวจรหัสซ้ำ พิกัด เวลา และหลักฐานการยืนยัน แล้วส่งรายงานพร้อมรายการที่ต้องตรวจเพิ่ม มีคู่มือ แบบฟอร์ม คำตอบ และใบอนุญาตของไฟล์ต้นฉบับ

คำนวณ GSD ตรวจจุดอิสระ และเทียบปริมาตร

ฝึกด้วยกล้องสมมติ พิกัด checkpoint สังเคราะห์ และกริดความสูงขนาดเล็ก ใช้ Python standard library พร้อม CSV และคำตอบคาดหวัง

1. คำนวณ GSD จากขนาดเซนเซอร์ ความยาวโฟกัส ความกว้างภาพ และความสูงเหนือพื้น
2. แยก RMSE แนวราบกับแนวดิ่งจากจุดที่กันไว้ตรวจผล ใช้พิกัดและความสูงอ้างอิงเดียวกันในหน่วยเมตร
3. เปลี่ยนฐานกริดเพื่อเทียบปริมาตร และดูพื้นที่ที่ถูกเว้นเพราะ NoData

ตรวจแล้ว: Windows 11 และ Python 3.14.3 เมื่อ 8 กันยายน 2569 ผ่าน 110 กรณีต่อสำเนาในโฟลเดอร์ทดลองและ ZIP ที่แตกใหม่ ยังไม่ได้ทดสอบ Linux หรือโปรแกรมทำแผนที่ภายนอกในชุดนี้

อ่านรายงานตรวจและขอบเขต · เรียนเส้นทางการทำแผนที่ · เลือกเครื่องมือประมวลผลแผนที่

ผลสังเคราะห์ใช้ตรวจสูตรและขั้นตอน ไม่ใช่หลักฐานความถูกต้องของแผนที่จริง คู่มือแนบเส้นทาง Mygla → WebODM → QGIS และภาพรวม GeoAI ที่ยังไม่ได้ทดลองในงานนี้

ตรวจหาพัสดุจากภาพ

1. 1ภาพและ label→
2. 2ฝึกด้วย train→
3. 3ประเมินด้วย val / test→
4. 4ส่งออกและตรวจ PC→
5. 5ต่อยอด Edge

แผนภาพแสดงเส้นทางรวม ขั้นต้นใช้ชุดสีสังเคราะห์ใน ZIP; การฝึก YOLO และการย้ายไป Edge เป็นขั้นต่อยอดที่ยังไม่ทดสอบ ต้องประเมินซ้ำหลังส่งออกโมเดล

ฝึกเส้นทางภาพ → เรียนรู้ → ส่งออกโมเดล → ทดสอบบน PC ก่อนย้ายไป Raspberry Pi หรือ Jetson

สิ่งที่รันแล้ว: โมเดลสีขนาดเล็กเรียนจากภาพสังเคราะห์ ตรวจกรอบพัสดุหนึ่งชิ้นและภาพไม่มีพัสดุได้ตาม fixture ทั้ง 4 ภาพทดสอบ เป็น nearest-centroid classifier ไม่ใช่ YOLO และผลนี้ไม่ใช่ความแม่นยำบนภาพจริง

1. สร้างภาพและ label: python parcel_lab.py generate ได้ PNG, PPM และ label แบบ YOLO แบ่ง train 16 / val 4 / test 4
2. ฝึกและส่งออก: python parcel_lab.py train ได้ output/model.json ซึ่งเรียนจาก train เท่านั้น
3. ทดสอบบน PC: python parcel_lab.py evaluate ต้องได้ passed: true ดูกรอบคาดหวังเทียบผลจริงใน JSON
4. ลองภาพเดียว: ใช้คำสั่งด้านล่าง ผลเป็นพิกัดกรอบในภาพหรือ null เมื่อไม่มีพัสดุ

python parcel_lab.py infer --image dataset/ppm/test/test-00.ppm

ดูผลทดสอบภาพทั้ง 4 ภาพ · ดาวน์โหลดโมเดล JSON ที่ฝึกแล้ว

ต่อยอดด้วยข้อมูลจริงและ edge

คู่มือใน ZIP มีโครงสร้างภาพ/label, คำสั่งฝึก YOLO และ export ONNX ก่อนทดสอบ PC แล้วจึงย้ายโมเดลกับภาพ test ไปยังบอร์ด ยังไม่ได้รัน YOLO, ONNX หรือบอร์ดจริงในรอบนี้ ต้องเก็บภาพหลายสภาพแสง แยกชุดตามรอบถ่าย และประเมินผลพลาดใหม่ก่อนใช้กับกล้อง

อ้างอิง: รูปแบบ label · ส่งออก ONNX · ใบอนุญาต Ultralytics

วางแผนสำรวจและอ่าน log จำลอง

แก้ waypoint และความเร็ว สร้างเส้นทางสำรวจสลับทิศ แล้วตรวจระยะและเวลาจากข้อมูล CSV

สิ่งที่รันแล้ว: ตัวจำลองตำแหน่งตามเวลาแบบเชิงเส้น (kinematic) บน PC ไม่จำลองแรง ลม แบตเตอรี่ หรือ flight controller ข้อมูล log เป็นข้อมูลสังเคราะห์จากโปรแกรม ไม่ใช่ผลบินหรือ ArduPilot SITL

1. เปิด mission.json ดูพิกัด east/north/up หน่วยเมตร เริ่มและจบที่ต้นทาง สูง 20 m ระหว่างสำรวจ
2. รัน python simulate.py ได้ output/synthetic-flight.csv, summary.json และไฟล์ waypoint สำหรับเตรียมทดลองใน SITL
3. เปิด CSV วาดกราฟ east เทียบ north ควรเห็นแนวสำรวจ 4 แนว ตรวจระยะรวม 260 m เวลา 52 s และตัวอย่างตำแหน่ง 53 แถว
4. ลดความเร็วจาก 5 เป็น 2.5 m/s แล้วรันอีกครั้ง เวลาเพิ่มเป็น 104 s ระยะยังเท่าเดิม

ดาวน์โหลด input JSON · ดาวน์โหลด log สังเคราะห์ CSV · ดูผลรวมที่รันได้

ต่อด้วย ArduPilot SITL

คู่มือใน ZIP ระบุการเปิด SITL ที่ CMAC โหลดและตรวจ waypoint ก่อนเริ่ม AUTO แล้วเก็บ telemetry จริง ขั้นนำเข้าไฟล์และการบินใน SITL ยังไม่ได้ทดลอง ไฟล์ waypoint ใช้เตรียมการจำลองเท่านั้น ไม่ใช้เป็นภารกิจบินจริง

อ้างอิง: วิธีใช้ ArduPilot SITL · รูปแบบ QGC WPL

สร้างแผ่นยึดกล้องแบบปรับขนาดได้

แก้พารามิเตอร์ สร้าง CAD และ STL ตรวจขนาดกับความสมบูรณ์ของ mesh ก่อนเปิดในโปรแกรมออกแบบ

สิ่งที่รันแล้ว: Python สร้าง STL และตรวจขอบปิด ขนาด และปริมาตร มี source OpenSCAD ที่แก้ไขได้ ยังไม่ได้ render ด้วย OpenSCAD, เปิด slicer, พิมพ์ชิ้นงาน หรือทดสอบความแข็งแรง

แผ่นฐาน

60 × 40 × 3 mm

ช่องสกรูสี่เหลี่ยม 4 จุด

4 × 4 mm ระยะศูนย์กลาง 40 × 24 mm

ช่องรัด 2 ช่อง

3 × 12 mm ระยะศูนย์กลาง 50 mm

1. แก้ dimensions.json โดยใช้หน่วย mm แล้วรัน python build_mount.py
2. เปิด output/geometry-check.json ค่าเริ่มต้นต้องได้ขนาด 60×40×3 mm และปริมาตร 6,792 mm³
3. เปลี่ยนความหนาเป็น 4 mm แล้วรันใหม่ ปริมาตรต้องเพิ่มเป็น 9,056 mm³
4. เปิด camera-mount.scad ใน OpenSCAD เพื่อ Preview/Render หรือเปิด STL ใน slicer ตรวจรูครบ 6 ช่องและหน่วยก่อนพิมพ์

ดาวน์โหลด source OpenSCAD · ดาวน์โหลด STL ที่สร้างด้วย Python · ดูผลตรวจ geometry

ช่องสกรูเป็นสี่เหลี่ยมสำหรับ clearance ต้องใช้แหวนรอง แบบนี้ไม่อ้างว่าเข้ากับกล้องรุ่นใดและไม่มีค่ารับน้ำหนัก ต้องวัด ตรวจความพอดีและทดลองบนโต๊ะก่อน ไม่ใช้ผลตรวจ mesh แทนผลทดสอบการยึดกล้องหรือการบิน

อ้างอิง: คู่มือ OpenSCAD · ดาวน์โหลด OpenSCAD สำหรับ Windows/Linux

หลักฐานการรันและบันทึกของผู้เรียน

เปิดรายงานตรวจ Windows · เปิดรายงานตรวจ Ubuntu WSL มีคำสั่ง ผลลัพธ์ เวอร์ชัน Python และข้อจำกัด ตรวจภาพ/label, ผลโมเดล, การเปลี่ยนความเร็ว, input ที่ผิด และไฟล์ STL ที่อ่านกลับจาก binary ไม่ได้ทดสอบโปรแกรมภายนอกหรืออุปกรณ์จริง

ยังไม่มีผลทดลองจากผู้เรียนจริง แบบบันทึกด้านล่างเป็นไฟล์ว่างสำหรับเก็บวันที่ ระบบ เวอร์ชัน ขั้นตอนที่ติดขัด ผลที่คาด/ได้ และชื่อไฟล์หลักฐาน ใช้บันทึกในเครื่อง ไม่มีการส่งข้อมูลอัตโนมัติ

ดาวน์โหลดแบบบันทึกทดลอง CSV

Source, คู่มือและ fixture ที่สร้างใหม่ในแต่ละ ZIP ใช้ MIT ตาม LICENSE.txt ภายในชุด เครื่องมือ โมเดลและเอกสารภายนอกใช้ใบอนุญาตเจ้าของ เช่น Ultralytics AGPL-3.0/Enterprise, ArduPilot GPLv3 และ OpenSCAD GPLv2

เลือกโจทย์ทดลองอื่น · ดูเครื่องมือและระบบที่รองรับ · กลับไปอ่านหลักการ