Obsah:

AI Aids Eyes (Systém počítačového vidění, který operátorům připomene, aby nosili ochranné brýle): 4 kroky
AI Aids Eyes (Systém počítačového vidění, který operátorům připomene, aby nosili ochranné brýle): 4 kroky

Video: AI Aids Eyes (Systém počítačového vidění, který operátorům připomene, aby nosili ochranné brýle): 4 kroky

Video: AI Aids Eyes (Systém počítačového vidění, který operátorům připomene, aby nosili ochranné brýle): 4 kroky
Video: Can Artificial Intelligence understand emotions? 2024, Prosinec
Anonim
Image
Image

Zde je ukázka systému. Když systém zjistí, že je vrták sebrán, automaticky vydá varování o bezpečnostních brýlích. Okraj obrázku RGB je v ukázkovém videu znázorněn červeně, aby představoval přítomnost upozornění na ochranné brýle. Když systém zjistí, že není vyzvednut žádný vrták, nevydá žádné varování o bezpečnostních brýlích. Okraj obrázku RGB je v ukázkovém videu znázorněn zeleně, aby představoval nepřítomnost upozornění na ochranné brýle. Jak ukazuje ukázkové video, systém počítačového vidění úspěšně detekuje, zda obsluha zvedne vrtačku.

Krok 1: Hardware

Segmentace
Segmentace

K vytvoření podpůrné struktury používám dřevo (od Home Depot). Poté na nosnou konstrukci namontuji senzor Microsoft XBOX 360 Kinect Sensor (od Amazonu), abych monitoroval aktivitu na zemi.

Krok 2: Segmentace

Je ukázán příklad skládající se z RGB obrazu, hloubkového obrazu a obrázku extrahovaného objektu.

Pro algoritmus počítačového vidění je náročné určit, zda ruka operátora drží vrtačku pouze z RGB obrazu. S hloubkovými informacemi je však problém jednodušší.

Můj algoritmus segmentace nastaví barvu pixelu na obrázku RGB na černou, pokud je jeho odpovídající hloubka mimo předem definovaný rozsah. To mi umožňuje segmentovat vyzvednutý objekt.

Krok 3: Klasifikace

Sbírám data videozáznamem, jak držím vrtačku/mávám rukama samostatně. Poté pomocí techniky přenosového učení naladím neuronovou síť VGG, která je předem natrénována pomocí ImageNet. Výsledek ale není dobrý. Extrahované obrázky možná nejsou podobné přirozeným obrazům v ImageNet. Proto trénuji konvolučně neutrální síť pomocí extrahovaných obrázků od nuly. Výsledek je docela dobrý. Přesnost klasifikátoru je na ověřovací sadě ~ 95%. Fragment modelu je uveden v souboru.py.

Krok 4: Bavte se a buďte v bezpečí

2000

Každý den asi 2 000 amerických zaměstnanců utrpí poranění očí související s prací, které vyžadují lékařské ošetření.

60%

Téměř 60% zraněných pracovníků v době nehody nemělo ochranu očí nebo používalo špatný druh ochrany očí pro práci.

Bavte se a buďte v bezpečí

Bezpečnost by měla být vždy na prvním místě. Srdce se mi potápí, kdykoli slyším o nehodách týkajících se elektrického nářadí. Doufám, že tento článek může zvýšit povědomí o tom, že nám umělá inteligence může nabídnout další úroveň ochrany.

Bavte se s výrobou věcí a buďte v bezpečí!

Doporučuje: