Zaloguj się
Wszystkie
2 września 2021
616
Dlatego, aby zapewnić znacznie mniej wymagające rozwiązanie, poniższy projekt koncentruje się na stworzeniu inteligentnej kamery AI, która może wykryć świeżość owoców i automatycznie je posortuje.
Tworzenie modelu ML
Przed stworzeniem modelu ML, należy zebrać różne zestawy danych. Można to zrobić robiąc zdjęcia różnych zgniłych i świeżych owoców lub pobierając z Internetu zbiory danych zawierające podobne, różniące się od siebie, zdjęcia.
Następnie, należy przygotować model ML używając różnych dostępnych opcji. W celach demonstracyjnych dla tego projektu użyto Lobe i Google Teachable Machine. Po utworzeniu nowego projektu i załadowaniu do modelu zbiorów danych z poprawnymi etykietami, należy go wytrenować. Następnie pobierz wytrenowany model i utwórz kod Pythona, aby go wdrożyć.
Kodowanie
Dołącz do kodu OpenCV i inne biblioteki. Następnie należy przechwycić wideo za pomocą kamery internetowej, wyciągnąć wybraną klatkę obrazu i zapisać ją. Po przekazaniu zapisanej klatki do modelu ML nastąpi jej przetworzenie i otrzymamy wynik czy dany owoc jest świeży czy zepsuty.
Testowanie
Podłącz kamerę i uruchom kod. Połóż owoce przed kamerą, aby oszacować ich świeżość/zepsucie w procentach - tak, aby nastąpiło sortowanie. Możesz również zmodyfikować kod, aby dodać serwomotor lub siłownik do poruszania i segregowania owoców.
Uwaga: model ML można przygotować używając narzędzia innego niż Google Teachable.
Poniższy plik zawiera model ML i kod Pythona, jak również załączony model ML, który został utworzony z Google Teachable.
Pobierz model ML i kod
NAPISZ DO AUTORA
Facebook
Twitter
Linkedin
Kup teraz
