本项目是毕业设计《针对有色废液检测的巡检机器狗设计》的源代码，项目基于Waveshare的开源树莓派机器狗PIPPY开发而成。Waveshare的PIPPY项目已经实现了机器狗的硬件设计、外壳材料制作以及机器狗运动控制算法、电池电压采集、超声波测距等功能。
机器狗的主程序使用 Python 3.7编写，它主要包括如下模块：
控制机械狗的运动、采集实时画面、使用超声波测距、循迹等。
能启动一个基于Flask后端框架开发的Web应用程序，实现远程手动控制、工作模式切换、实时画面上传、数据库管理等功能。用户可通过机器狗的IP地址或申请第三方内网穿透平台提供的端口映射访问到到机器狗的Web页面，实现远程控制和历史记录查看。
本项目使用MQTT协议将异常记录写成JSON格式的数据包上传到阿里云物联网平台，使用的账户ID是作者本人的。在下载使用时，可以注释掉与 mqttTolols.py 相关的代码，或将有关的参数修改为自己的账号ID。
本项目在PIPPY的基础上增加的功能有：
在 http://192.168.43.164:5000/wspanel 页面访问控制台页面，点击 【 Track Line 】 按钮，可以开启或关闭自动循迹功能。自动循迹功能是一个综合性较强的功能，它使用摄像头画面二值化分析，实现了循黑线或循白线。通过调用超声波模块，每隔1秒获取前方物体距离，遇到距离15cm的障碍物时会停止前进，障碍物距离低于10cm时，机器狗会自动后退远离。自动循迹开启时，也打开了目标检测功能，识别到的目标会在实时画面中框选出来，同时会在数据库中写入记录，保存截图等。
在 http://192.168.43.164:5000/wspanel 页面访问控制台页面，点击 【 YOLO Switch 】按钮，可以开启或关闭目标检测功能。该功能所需要的检测模型是基于YOLOv5目标检测模型框架训练而成的，数据集有一部分从网上搜索获取，也有和一部分是自己制作的有色液体照片。
要得到想要的目标检测模型，可在YOLOv5训练框架中加载数据集，实施自动训练，得到best.pt模型文件后，转换成.onnx模型文件移植到树莓派上，再使用OpenCV的DNN函数加载这个模型文件,实现目标检测。具体实现可参考【camera_opencv.py】的m_detection等函数。
在 http://192.168.43.164:5000/home 访问异常记录页面，可以查看到异常记录列表，每个列表项包括异常类别、液体颜色、日期、时间、截图。在导航栏的Login页面登录后，可以实现编辑、增加、删除等功能。
在 http://192.168.43.164:5000/wspanel 页面访问控制台页面。控制台页面使用HTML、JavaScript和CSS等编写，页面主要由标题栏、实时图像区、硬件负载区、动作控制区、巡线设置区和工作模式选择区组成，点击相应按钮，前端会通过WebSocket给后端发送相应的数据，实现工作模式切换。
（注：192.168.43.164是机器狗连接热点时获取的局域网IP地址，端口5000是Flask后端服务使用的端口）
更新README文档，更新可能要用到的资料链接。
上传机器狗主程序代码，基本完成README文档的编写，尚未上传训练数据集和YOLO训练程序代码。
随着工业发展，废液处理工作量扩大，产生废液巡检需求。人工巡检费时费力，容易产生惰性。
使用机器代替人工有以下好处：
1）代替重复性工作，减轻劳动强度；
2）深入管线密集区，保障人员安全；
3）搭载多种传感器，数据采集效率高；
4）实时上传记录到后台，可实现远程监控。
本设计针对废液泄漏场景，设计了一种用于有色废液检测的智能巡检机器狗。所谓智能巡检机器狗，就是一种运用图像识别、远程操控等技术，实现自动巡逻或手动遥控的机器狗。它在通过各种传感器收集附近的数据后，将数据上报给后台服务器，并在客户端直观显示。它拥有四肢，较为发达的四肢可攀爬一定坡度的台阶。它代替巡检人员从事一些重复性工作，或进入不安全的区域查看现场情况，有助于减少人力成本，并降低工作风险。
系统环境：刷入【2021-10-18-raspbian-buster-full.7z】系统包的树莓派4B。
WiFi网络：要连接到自己的热点，首先需要拧开后背上的四颗螺丝，将SD卡取出，用读卡器插到电脑上。接着在wpa_supplicant.conf文件（见网盘附件）中写入自己的手机热点的名字和密码。然后复制ssh文件和wpa_supplicant.conf文件（见网盘附件）到SD卡上，将SD卡插入到树莓派上。最后打开自己的手机热点并启动树莓派，看到树莓派连接到热点上即为成功。
Python依赖库：可直接执行【setup.py】安装依赖包，之后再升级OpenCV到4.5.5。
注：如果想用GPU进行推理，不要用.whl文件安装OpenCV，因为.whl是编译好的包，基本上可以确定是用CPU推理的。GPU推理版要手动设定安装参数进行安装，具体方法请自行百度。
可能需要的依赖包：
sudo apt update
sudo apt -y dist-upgrade
sudo apt clean
sudo pip3 install -U pip
sudo apt-get install -y python-dev python3-pip libfreetype6-dev libjpeg-dev build-essential
sudo -H pip3 install --upgrade luma.oled
sudo apt-get install -y i2c-tools
sudo apt-get install -y python3-smbus
sudo pip3 install icm20948
sudo pip3 install flask
sudo pip3 install flask_cors
sudo pip3 install websockets
sudo pip3 install opencv-contrib-python==3.4.11.45
sudo pip3 uninstall -y numpy
sudo pip3 install numpy==1.21
sudo apt-get -y install libhdf5-dev libhdf5-serial-dev libatlas-base-dev libjasper-dev
sudo pip3 install imutils zmq pybase64 psutil
sudo apt-get install -y util-linux procps hostapd iproute2 iw haveged dnsmasq
sudo pip3 install pi-ina219前提：树莓派开机以后，命令行所在目录为 /home/pi ，而且WatchDog工作程序的文件夹在这个目录下。
在命令行执行以下命令即可启动工作程序。
cd WatchDog
python3 webServer.py之前启动工作程序所在的命令行无法通过Ctrl+C或Ctrl+D关掉程序，应使用如下方法关闭：
(1）再打开一个命令行；
(2）直接输入sudo killall python3，然后回车。
参考来源：第 8 章：用户认证 - Flask 入门教程 (helloflask.com) 【生成管理员用户】
(env) $ flask admin
Username: McEwan
Password: 1233211234567 # hide_input=True 会让密码输入隐藏
Repeat for confirmation: 1233211234567 # confirmation_prompt=True 会要求二次确认输入
Updating user...
Done.
1）在PyCharm设置的【项目：PIPPY】的【Python解释器】为Remote Python 3.7.3 (sftp://pi@192.168.43.164:22/usr/bin/python3.7)，然后点右边的...设置，选择SSH，然后选择树莓派的Python解释器的位置，默认是 usr/bin/python3.7 ；
2）远程保存地址/home/pi/WatchDog，填写完成后，点击完成，就会建立自动同步；
3）编辑代码后，点击PyCharm上方的工具——部署——上传到...，即可将该文件上传到树莓派的对应位置。工作目录中的其他文件或文件夹同样可以在PyCharm左侧选中它们，然后右键——部署——上传。
注：可查看README源代码看到正常渲染的目录结构。
. 根目录
│ app.py Flask视图函数所在位置
│ base_camera.py 摄像头基本使用函数
│ camera_opencv.py OpenCV图像处理有关函数
│ data.db SQLite数据库
│ ICM20948.py 姿态传感器
│ info.py 获取CPU温度等信息
│ initServo.py 组装舵机时用于初始化舵机角度
│ Kalman_filter.py 卡尔曼滤波
│ linkageREVERSE.py 连杆逆解（没有用到）
│ list.txt 文件夹树形目录
│ myTest.py 简单的测试功能（没有用到）
│ nohup.out --
│ OLED.py OLED小屏幕有关函数
│ PCA9685.py 舵机控制模块有关函数
│ PIPPY.py 机器狗运动的偏底层函数
│ README.md --
│ robot.py 机器狗运动的封装函数
│ setup.py 安装相关依赖
│ simpleTest.py 简单的测试功能（没有用到）
│ ultra.py 超声波测距相关函数
│ Voltage.py 获取电池电压
│ webServer.py 主程序入口
│
├─dist 控制台Web页面资源
│ │ 123.txt
│ │ favicon.ico
│ │ index.html
│ │ logo.png
│ │ manifest.json
│ │ precache-manifest.02b800736c2da055bda815acfa037b17.js
│ │ robots.txt
│ │ service-worker.js
│ │
│ ├─css
│ │ app.8a756fac.css
│ │ chunk-vendors.a639f090.css
│ │ css.txt
│ │
│ ├─fonts
│ │ fonts.txt
│ │ materialdesignicons-webfont.2d0a0d8f.eot
│ │ materialdesignicons-webfont.b4917be2.woff
│ │ materialdesignicons-webfont.d0066537.woff2
│ │ materialdesignicons-webfont.f5111234.ttf
│ │ roboto-latin-100.5cb7edfc.woff
│ │ roboto-latin-100.7370c367.woff2
│ │ roboto-latin-100italic.f8b1df51.woff2
│ │ roboto-latin-100italic.f9e8e590.woff
│ │ roboto-latin-300.b00849e0.woff
│ │ roboto-latin-300.ef7c6637.woff2
│ │ roboto-latin-300italic.14286f3b.woff2
│ │ roboto-latin-300italic.4df32891.woff
│ │ roboto-latin-400.479970ff.woff2
│ │ roboto-latin-400.60fa3c06.woff
│ │ roboto-latin-400italic.51521a2a.woff2
│ │ roboto-latin-400italic.fe65b833.woff
│ │ roboto-latin-500.020c97dc.woff2
│ │ roboto-latin-500.87284894.woff
│ │ roboto-latin-500italic.288ad9c6.woff
│ │ roboto-latin-500italic.db4a2a23.woff2
│ │ roboto-latin-700.2735a3a6.woff2
│ │ roboto-latin-700.adcde98f.woff
│ │ roboto-latin-700italic.81f57861.woff
│ │ roboto-latin-700italic.da0e7178.woff2
│ │ roboto-latin-900.9b3766ef.woff2
│ │ roboto-latin-900.bb1e4dc6.woff
│ │ roboto-latin-900italic.28f91510.woff
│ │ roboto-latin-900italic.ebf6d164.woff2
│ │
│ ├─img
│ │ │ bg.jpg
│ │ │ bg2.jpg
│ │ │ img.txt
│ │ │
│ │ └─icons
│ │ favicon-32x32 .png
│ │ favicon.ico
│ │ icons.txt
│ │ logo.png
│ │ safari-pinned-tab.svg
│ │ wavelogo.png
│ │
│ └─js
│ app.38235a8c.js
│ app.38235a8c.js.map
│ chunk-vendors.3007e197.js
│ chunk-vendors.3007e197.js.map
│ js.txt
│
├─models MQTT相关函数、目标检测模型文件
│ │ best13c-320.onnx
│ │ best14c320.onnx
│ │ colorList.py
│ │ compareArray.py
│ │ mqttTools.py
│ │
│ ├─ali-example-code
│ │ │ aliLink.py
│ │ │ mqttd.py
│ │ │ readme.md
│ │ │ rpi.py
│ │ │ run.py
│ │ │
│ │ └─__pycache__
│ │ aliLink.cpython-37.pyc
│ │ mqttd.cpython-37.pyc
│ │ rpi.cpython-37.pyc
│ │
│ ├─python-linkkit-examples
│ │ data_transfer.js
│ │ dynamic_register.py
│ │ dynamic_register_deprecated.py
│ │ dynamic_register_nwl.py
│ │ gateway_demo.py
│ │ model_raw.json
│ │ mqtt_connect_TCP.py
│ │ mqtt_connect_TLS.py
│ │ mqtt_sub_pub_on.py
│ │ ota_demo.py
│ │ Readme.txt
│ │ thing_alink.py
│ │ thing_custom.py
│ │ tsl.json
│ │
│ └─__pycache__
│ colorList.cpython-37.pyc
│ compareArray.cpython-37.pyc
│ mqttTools.cpython-37.pyc
│
├─static 异常记录Web页面资源
│ ├─css
│ │ style.css
│ │
│ ├─images
│ │ avatar.png
│ │ bg.jpg
│ │ bg2.jpg
│ │ logo.png
│ │ totoro.gif
│ │ yanni.png
│ │
│ └─runs
│ └─imagesave
├─templates 异常记录Web页面资源
│ base.html
│ edit.html
│ imageshow.html
│ login.html
│ record.html
│ settings.html
│
├─waveshare_OLED OLED有关函数库
│ │ config.py
│ │ OLED_0in91.py
│ │ init.py
│ │
│ └─__pycache__
│ config.cpython-37.pyc
│ config.cpython-39.pyc
│ OLED_0in91.cpython-37.pyc
│ OLED_0in91.cpython-39.pyc
│ init.cpython-37.pyc
│ init.cpython-39.pyc
│
└─__pycache__
app.cpython-37.pyc
base_camera.cpython-37.pyc
camera_opencv.cpython-37.pyc
ICM20948.cpython-37.pyc
info.cpython-37.pyc
info.cpython-39.pyc
Kalman_filter.cpython-37.pyc
OLED.cpython-37.pyc
OLED.cpython-39.pyc
PCA9685.cpython-37.pyc
PIPPY.cpython-37.pyc
robot.cpython-37.pyc
ultra.cpython-37.pyc
Voltage.cpython-37.pyc
- waveshare/PIPPY: PIPPY, An Open Source Bionic Dog-Like Robot Powered By Raspberry Pi (github.com)— PIPPY项目主页
- ultralytics/yolov5 at v6.1 (github.com)— YOLOv5项目主页（v6.1）
- Flask 入门教程 (helloflask.com)——Flask入门教程
- NATTUNNEL 内网穿透 – 量子互联 (uulap.com)——量子互联内网穿透
- MobaXterm Xserver with SSH, telnet, RDP, VNC and X11 - Download (mobatek.net) ——MobaXterm
- 百度网盘：https://pan.baidu.com/s/1-BUoXd8oCyYGEy-90Em37Q?pwd=3oqn ——可能用到的资料包，提取码：3oqn
欢迎将本项目的功能继续完善，使其成为更强大的机(Wan)器(Ju)狗系统。
提一个 Issue 或者提交一个 Pull Request，也可通过chinas0310@gmail.com邮件联系。
感谢以下开源项目对本项目的帮助：
- Raspberry Pi
- PIPPY
- Python
- Flask
- OpenCV