IOT, Azure, DevOps, Power

Ved å lage et objekt av hver rute på sjakkbrettet, også sende disse til ACS (Azure Cognitive Services)
så kan vi gjenkjenne om ruten har et objekt i seg. Dette bruker vi videre til å lagre data i DataVerse. Her er et eksempel på ACS sin gjenkjenning av en rute med brikke på.

Når trekket er utført bruker vi en Raspberry PI som er knyttet til webkamera over brettet
Denne sender http request som trigger flowen, hvor innholdet er en base64 string.
Denne sender vi til function app, som kutter opp dette bildet til 64 objekter og legger metadata
basert på posisjon.
Deretter sender flowen dette videre til ACS, for bildegjenkjenning og for å hente ytteligere metadata.
Så videre til Dataverse for lagring og visualisering av trekkene som er blitt gjort. Raspberry pien vil kjøre et program som gjør at vi kan kontrollere lego boost motoren
siden raspberryen er tilknyttet via bluetooth. Deretter kan vi gjennom dette programmet nå disse funksjonenen gjennom HTTP requests.

I neste steg bruker vi Model-driven til å illustrere dataen som kommer fra trekkene som har blitt gjennomført.

Tabellvisningen av et gjennomført sjakkspill. Her ser vi lokasjonen til brikkene og hvilken brikke som har blitt flyttet.

CI/CD – Pipeline

Vi har startet med en bygg og release pipeline.