Turinys:

AI padeda akims (kompiuterinė regėjimo sistema, primenanti operatoriams nešioti apsauginius akinius): 4 žingsniai
AI padeda akims (kompiuterinė regėjimo sistema, primenanti operatoriams nešioti apsauginius akinius): 4 žingsniai

Video: AI padeda akims (kompiuterinė regėjimo sistema, primenanti operatoriams nešioti apsauginius akinius): 4 žingsniai

Video: AI padeda akims (kompiuterinė regėjimo sistema, primenanti operatoriams nešioti apsauginius akinius): 4 žingsniai
Video: Kaip išsaugoti regėjimą dirbant kompiuteriu ? 2024, Lapkritis
Anonim
Image
Image

Čia yra sistemos demonstracinė versija. Kai sistema aptinka, kad sėjamoji paimta, ji automatiškai įspės apsauginius akinius. Kad būtų parodyti įspėjimai apie apsauginius akinius, demonstraciniame vaizdo įraše RGB vaizdo kraštinė yra raudona. Kai sistema aptinka, kad sėjamoji nepaimta, ji nespausdins jokių apsauginių akinių įspėjimų. Kad būtų parodytas įspėjimų apie apsauginius akinius nebuvimas, demonstraciniame vaizdo įraše RGB vaizdo kraštinė yra žalia. Kaip parodyta demonstraciniame vaizdo įraše, kompiuterio regėjimo sistema sėkmingai nustato, ar operatorius paima grąžtą.

1 žingsnis: Aparatūra

Segmentavimas
Segmentavimas

Aš naudoju medieną (iš „Home Depot“), kad suformuočiau atraminę konstrukciją. Tada ant atraminės konstrukcijos sumontuoju „Microsoft XBOX 360 Kinect Sensor“(iš „Amazon“), kad galėčiau stebėti veiklą vietoje.

2 žingsnis: segmentavimas

Rodomas pavyzdys, kurį sudaro RGB vaizdas, gylio vaizdas ir išgauto objekto vaizdas.

Kompiuterinio regėjimo algoritmui sunku nustatyti, ar operatoriaus ranka laiko grąžtą vien iš RGB vaizdo. Tačiau turint išsamią informaciją, problema yra lengvesnė.

Mano segmentavimo algoritmas nustato RGB vaizdo pikselio spalvą į juodą, jei atitinkamas jo gylis yra už iš anksto nustatyto diapazono. Tai leidžia suskaidyti paimtą objektą.

3 žingsnis: klasifikavimas

Duomenis renku vaizdo įraše, atskirai laikydamas grąžtą/mojuojantis rankomis. Tada aš naudoju perkėlimo mokymosi metodą, kad suderinčiau VGG neuronų tinklą, kuris yra iš anksto apmokytas naudojant „ImageNet“. Tačiau rezultatas nėra geras. Galbūt išgauti vaizdai nėra panašūs į natūralius vaizdus „ImageNet“. Todėl aš treniruoju konvoliucinį neutralų tinklą, naudodamas išgautus vaizdus nuo nulio. Rezultatas yra gana geras. Klasifikatoriaus tikslumas yra ~ 95% pagal patvirtinimo rinkinį. Modelio fragmentas pateikiamas.py faile.

4 žingsnis: linksminkitės ir būkite saugūs

2000

Kasdien apie 2 000 JAV darbuotojų patiria su darbu susijusių akių traumų, kurioms reikia medicininio gydymo.

60%

Beveik 60% sužeistų darbuotojų nelaimingo atsitikimo metu nenešiojo akių apsaugos priemonių arba nešiojo netinkamas akių apsaugos priemones.

Linksminkis ir būk saugus

Sauga visada turi būti pirmoje vietoje. Mano širdis plyšta, kai išgirstu apie avarijas, susijusias su elektriniais įrankiais. Tikiuosi, kad šis straipsnis padės suvokti, kad dirbtinis intelektas gali pasiūlyti mums papildomą apsaugos lygį.

Smagiai kurkite daiktus ir būkite saugūs!

Rekomenduojamas: