Sadržaj:

AI AIDS Eyes (kompjuterski sistem za vid koji podsjeća operatore da nose zaštitne naočare): 4 koraka
AI AIDS Eyes (kompjuterski sistem za vid koji podsjeća operatore da nose zaštitne naočare): 4 koraka

Video: AI AIDS Eyes (kompjuterski sistem za vid koji podsjeća operatore da nose zaštitne naočare): 4 koraka

Video: AI AIDS Eyes (kompjuterski sistem za vid koji podsjeća operatore da nose zaštitne naočare): 4 koraka
Video: Женщина-лев - Драма - Полный английский фильм - HD 2024, Novembar
Anonim
Image
Image

Evo demo sistema. Kada sistem otkrije da je bušilica podignuta, automatski će izdati upozorenje o zaštitnim naočalama. Da bi se prikazalo upozorenje zaštitnih naočala, ivica RGB slike je u demo videu obojena crvenom bojom. Kada sistem otkrije da se bušilica ne pokupi, neće izdati nikakva upozorenja o zaštitnim naočalama. Kako bi predstavljali odsustvo upozorenja zaštitnih naočala, ivica RGB slike je obojena zelenom bojom u demo videu. Kao što je prikazano u demo videu, sistem računarskog vida uspješno otkriva da li operater uzima bušilicu.

Korak 1: Hardver

Segmentacija
Segmentacija

Koristim drvo (iz Home Depota) za oblikovanje potporne strukture. Zatim montiram Microsoft XBOX 360 Kinect senzor (iz Amazona) na noseću strukturu za praćenje aktivnosti na terenu.

Korak 2: Segmentacija

Prikazan je primjer koji se sastoji od RGB slike, slike dubine i slike izdvojenog objekta.

Za algoritam računarskog vida izazov je odrediti da li ruka operatora drži bušilicu samo iz RGB slike. Međutim, s dubinskim informacijama problem je lakši.

Moj algoritam segmentacije postavlja boju piksela na RGB slici na crnu ako je odgovarajuća dubina izvan unaprijed definiranog raspona. To mi omogućava da segmentiram predmet koji se uzima.

Korak 3: Klasifikacija

Prikupljam podatke snimajući sebe držeći bušilicu/odvojeno mašući rukama. Zatim koristim tehniku transfernog učenja za podešavanje VGG neuronske mreže koja je unaprijed obučena pomoću ImageNet-a. Ali rezultat nije dobar. Možda izdvojene slike nisu slične prirodnim slikama u ImageNetu. Stoga treniram konvolutivno neutralnu mrežu koristeći ekstrahirane slike od nule. Rezultat je prilično dobar. Tačnost klasifikatora je ~ 95% na skupu provjere valjanosti. Isječak modela dat je u.py datoteci.

Korak 4: Zabavite se i budite sigurni

2000

Svakog dana oko 2 000 američkih radnika pretrpi ozljede oka povezane s poslom koje zahtijevaju medicinski tretman.

60%

Skoro 60% povrijeđenih radnika nije nosilo zaštitu za oči u vrijeme nesreće ili je nosilo pogrešnu vrstu zaštite za posao.

Zabavite se i budite sigurni

Sigurnost uvijek treba biti na prvom mjestu. Srce mi se stegne kad god čujem za nesreće sa električnim alatima. Nadam se da će ovaj članak podići svijest da nam umjetna inteligencija može ponuditi dodatni nivo zaštite.

Uživajte u izradi stvari i budite sigurni!

Preporučuje se: