查看: 5310|回复: 2

[项目] [AI人工智能]基于行空板的机器学习物体分类项目(水果识别)

本帖最后由 IvanDMido 于 2022-11-25 18:42 编辑

基于行空板的物体分类项目（水果识别）

前言
应两位小伙伴要求，将原“智能快递柜机器人”项目中的物体分类功能摘出，作一分享。

项目目标
用人工智能中的物体分类技术，对三种不同的水果（苹果、香蕉、西瓜）进行识别分类。
[AI人工智能]基于行空板的机器学习物体分类项目(水果识别)图3

项目器材
行空板，USB摄像头

项目流程

1、采集拍取要识别的三类水果的图片集

2、利用已有的一个基础物体分类模型，结合采集的图片数据集，训练一个包含这三类图片的新模型

3、借助生成的模型，预测某一类水果

项目实践
STEP0硬件连接
将USB摄像头连上行空板。

STEP1摄像头采集图像
一、功能描述

在这个任务中，将采集苹果、香蕉、西瓜、以及白色背景四种类型的图像，并存储到当前路径下“dataset_object_classification”目录中的“01Apple”、“02Banana”、“03Watermelon”、“04Others”四个子目录内，这些目录自动生成。

二、编写程序

'''拍照,采集图像作为数据集;
运行程序,终端输入1，表示采集"01Apple"数据集,待摄像头的画面启动后,按住按键a进行持续拍照,终端出现“image saved”字样,表示100张图片已采集完成”
之后重复上述操作,可采集02、03、04类数据集'''
import cv2 # 导入cv库
import os 

os.system('mkdir -p dataset_object_classification/01Apple')  # 创建文件夹以保存采集的图像
os.system('mkdir -p dataset_object_classification/02Banana')  # 创建文件夹以保存采集的图像
os.system('mkdir -p dataset_object_classification/03Watermelon')  # 创建文件夹以保存采集的图像
os.system('mkdir -p dataset_object_classification/04Others')  # 创建文件夹以保存采集的图像


number = input("请输入数据集文件夹编号:")
if number == "1":
    location = 'dataset_object_classification/01Apple/'
elif number == "2":
    location = 'dataset_object_classification/02Banana/'
elif number == "3":
    location = 'dataset_object_classification/03Watermelon/'
elif number == "4":
    location = 'dataset_object_classification/04Others/'
print(location)

def get_photo(): # 定义拍照函数(上传参数--图片保存地址)
    cap = cv2.VideoCapture(0) # 创建一个 VideoCapture 对象, 构建视频抓捕器, 0表示需要启动的摄像头 
    cap.set(cv2.CAP_PROP_BUFFERSIZE, 1) # Set the camera buffer to 1, to decrease the latency. # 设置1帧的缓冲，减少延迟避免卡顿
    cv2.namedWindow('window',cv2.WND_PROP_FULLSCREEN) # Set the windows to be full screen. # 构建一个窗口,名称为window,属性为可以全屏
    cv2.setWindowProperty('window', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN) # Set the windows to be full screen. # 设置窗口全屏
    count = 0
    
    while (cap.isOpened()): # 循环读取每一帧
        ret, frame = cap.read() # 从摄像头读取图片 , ret存储布尔值，frame存储图像
        #frame = cv2.flip(frame, 1, dst=None) # 镜像
        cv2.imshow("window", frame) # 窗口显示,显示名为 window
        # 保持画面的持续。
        key = cv2.waitKey(1) # 每帧数据延时1ms,延时不能为 0,否则读取的结果会是静态帧
        if key & 0xFF == ord('b'): # 按b键退出
            break
        elif key & 0xFF == ord('a'): # 通过a键保存图片，并退出。
            if count < 100:  # 100张图片，可自行修改数量
                global location
                cv2.imwrite(location+ str(count) + ".jpg", frame) # 将图像保存为图片
                count = count + 1
                # print(count)
            else:
                print("image saved")
    cap.release()  # 释放摄像头
    cv2.destroyAllWindows()  # 关闭所有窗口

get_photo()  # 调用拍照函数,同时传入要保存的图片名称
复制代码

三、运行程序

A：运行程序，在终端输入1（表示将采集的图像存储到“01Apple”目录），随后将摄像头对准苹果的图片，待画面启动后，按住按键a进行持续拍照，终端出现“image saved”字样后，100张图片即采集完成”，再按下按键b退出摄像头画面。这里，我们采集苹果的图片集。

操作过程视频：

B：之后用同样的方式，分别在终端输入2，3，4在“02Banana”、“03Watermelon”、“04Others”目录中拍摄并存储香蕉、西瓜、以及白色背景（用白色背景模拟其他物体）三种图片集。

结果视频：

STEP2用神经网络训练物体模型

一、功能描述

将采集的四组图片数据集用神经网络训练出物体模型。

二、编写程序

'''训练模型,将采集的图片数据集用神经网络训练出物体模型；
运行程序,待计算机自动训练,时间约1-5分钟不等,完成后,终端会显示“模型保存完成！”字样,并在当前文件目录下会自动生成“object_classification_model.h5”模型文件。'''
# 导入tensorflow深度学习框架
import tensorflow as tf
# 导入keras深度学习库
from tensorflow import keras
# 导入数据处理库
import numpy as np


# 数据预处理
# 将图片处理成预训练模型可以输入的格式
# 定义数据集路径
train_dir = 'dataset_object_classification'

# ImageDataGenerator为Keras的图像生成器，用于预处理图像数据
# mobilenet_v2.preprocess_input为mobilenet_v2的输入图像处理方法，用于将图像处理成适合mobilenet_v2模型的格式
datagen = keras.preprocessing.image.ImageDataGenerator(preprocessing_function=keras.applications.mobilenet_v2.preprocess_input)

# 图像生成器的flow_from_directory方法，负责生成批量数据，供模型训练
train_batches = datagen.flow_from_directory(        
        directory=train_dir,     #   directory：目标文件夹路径，在目标文件夹中，包含多个子文件夹，每个子文件夹都是一类，包含一类图像数据
        shuffle=True,            #     shuffle：是否打乱数据，设置为True，表示打乱每个子文件夹的数据处理顺序，否则按照子文件夹中图片名称的字母顺序处理数据
        target_size=(96,96),   # target_size：目标尺寸，所有图像将被重置为目标尺寸
        batch_size=10)           #  batch_size：数据批次大小，表示一批数据中包含的数据量，预处理时，会按批次处理数据

# train_batches返回的参数包括输入数据和标签数据

# 冻结预训练模型

# 基础模型用的是mobilenet_v2，输入图像尺寸为 224*224
base_model = keras.models.load_model("mobilenet_v2_96.h5",compile=False)  # 导入预训练模型
base_model.trainable = False                                 # 冻结预训练模型

# 这里的模型不含输出层，只有输入层和隐藏层
# 冻结后，权重等参数不再改变
# 冻结后的模型相当于只含输入层的特征提取器


# 创建神经网络

# 实例化一个神经网络模型
model = keras.Sequential(name="object_classification_model")

# 创建输入层
model.add(base_model)                                   # 定义输入层为预训练模型，输入尺寸即为 224*224
# 创建隐藏层
model.add(keras.layers.Dense(100, activation='relu'))   # 创建一层隐藏层，包括100个神经元
# 创建输出层
model.add(keras.layers.Dense(4, activation='softmax'))  # 定义输出层为4分类（种类数量）

# # 查看模型结构
# print("模型结构：")
# model.summary()


# 训练模型

# 设置参数
model.compile(
    optimizer=keras.optimizers.Adam(0.0001), 
    loss='categorical_crossentropy', 
    metrics=['accuracy']
)

# 训练模型
print("开始训练：")
model.fit(train_batches, epochs=5)  # 设置5轮训练
print("训练完成!")

# 保存模型
model.save("object_classification_model.h5")
print("模型保存完成！")
复制代码

三、运行程序

Tips:如果出现没有库的一些报错，如tensorflow等，可通过pip install的方式自行安装。

A：运行程序，等待行空板自动训练模型（时间约1-5分钟不等，图片越多时间越久）。

训练过程视频

B：训练完成后，会在终端显示“模型保存完成”，并在程序路径下生成对应的模型文件。

STEP3用神经网络预测单张图片

一、功能描述

用“dataset_object_classification/03Watermelon/2.jpg”图片进行预测，检验模型准确率。

二、编写程序

'''用“dataset_object_classification/03Watermelon/2.jpg”图片进行预测,检验模型准确率；
运行程序，待计算机自动导入模型进行预测，随后会在终端显示该图片在四个类别下的不同分类概率，以及取概率最高的类别作为最终结果
PS:本程序非必须'''

# 导入tensorflow深度学习框架
import tensorflow as tf
# 导入keras深度学习库
from tensorflow import keras
# 导入数据处理库
import numpy as np


# 导入物体分类模型
print("导入模型中...")
model_name = "object_classification_model.h5"
model = tf.keras.models.load_model(model_name)
print("{}模型导入完成".format(model_name))


# 输出预测结果
img = keras.preprocessing.image.load_img("dataset_object_classification/01Apple/2.jpg", target_size=(96, 96))
img2 = keras.preprocessing.image.load_img("dataset_object_classification/02Banana/2.jpg", target_size=(96, 96))
img3 =keras.preprocessing.image.load_img("dataset_object_classification/03Watermelon/2.jpg", target_size=(96, 96))
img4 =keras.preprocessing.image.load_img("dataset_object_classification/04Others/2.jpg", target_size=(96, 96))
# 图像预处理
img_array = keras.preprocessing.image.img_to_array(img3)                  # 将图像数据转换为数组    #  用img3进行预测，可自行修改
img_array = keras.applications.mobilenet_v2.preprocess_input(img_array)  # 将数组处理成适合mobilenet_v2的输入格式
img_array = tf.expand_dims(img_array, 0)                                 # 在图像数组前面增加一维，即将 (224,224,3) 的图像矩阵变成 (1,224,224,3)

# 定义分类结果的名称，按照数据集中的文件夹顺序，神经网络的输出依次为01-04
class_names = ["01Apple","02Banana","03Watermelon","04Others"] 

# 预测
print("预测结果为：")
predictions = model.predict(img_array)  # 预测图像（整体概率）
print(predictions)
result = class_names[predictions.argmax()]  # 预测结果（概率最高者）
print(result)
复制代码

三、运行程序

A：运行程序，等待行空板加载模型并进行预测

预测过程视频

结果图示

STEP4用神经网络预测视频流
一、功能描述
实时显示图像的预测结果。

二、编写程序

'''在Pyboard屏幕上显示视频流画面并实时预测结果'''

# 导入tensorflow深度学习框架
import tensorflow as tf
# 导入keras深度学习库
from tensorflow import keras
# 导入OpenCV计算机视觉库
import cv2 
# 导入数据处理库
import numpy as np


# 导入物体分类模型
print("导入模型中...")
model_name = "object_classification_model.h5"
model = tf.keras.models.load_model(model_name)
print("{}模型导入完成".format(model_name))

# 图像预处理
def preprocess_img(frame):
    img = tf.image.resize(frame, (96, 96))                 # 重置尺寸
    img_array = keras.preprocessing.image.img_to_array(img)  # 将图像转为数组
    img_array = tf.expand_dims(img_array, 0)                 # 将图像数组增加一维，匹配模型输入
    img_array = img_array/255.                               # 归一化
    return img_array                                         # 返回预处理后的图像数据



# 绘制分类结果
def add_data(frame,predictions):
    res = frame                                        # 获取一帧图像
    box_startpoint = (30,10)                           # 定义坐标
    class_names = ["01Apple","02Banana","03Watermelon","04Others"]    # 定义分类结果
    
    # # 在屏幕左上方，绘制各个分类结果的置信度直方图
    # for idx,pred in enumerate(predictions.numpy()[0]):
        # # 绘制文字
        # res = cv2.putText(res,  
        #     str(class_names[idx]), 
        #     (box_startpoint[0]-20, box_startpoint[1]+idx*40+10), #+20
        #     cv2.FONT_HERSHEY_SIMPLEX, 0.5, 
        #     (0, 0, 255), 
        #     2, 
        #     cv2.LINE_4)
        # # 绘制直方图
        # res = cv2.rectangle(res,
        #     (box_startpoint[0]+70,box_startpoint[1]+idx*40),
        #     (int(box_startpoint[0]+100*np.around(predictions.numpy(),2)[0][idx])+70,box_startpoint[1]+idx*40+15),
        #     (0,0,255),
        #     -1)
    # 绘制直方图
    res = cv2.rectangle(res,
        (0,0),
        (160,35),
        (255,255,255),
        -1)    
    # 在屏幕下方，绘制预测结果"predicted result :"+
    res = cv2.putText(res,str(class_names[predictions.numpy().argmax()]), 
        (0,25), # coor
        cv2.FONT_HERSHEY_SIMPLEX, 1, 
        (255, 0, 0), 
        2, 
        cv2.LINE_4)


    res = str(class_names[predictions.numpy().argmax()])
    return res
    
# 初始化屏幕
window_name = 'frame'
cv2.namedWindow(window_name, cv2.WND_PROP_FULLSCREEN)
cv2.setWindowProperty(window_name, cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)
# whole_frame = np.zeros((480,800,3), dtype="uint8")

# 初始化摄像头
while True: 
    cap = cv2.VideoCapture(0)            # 获取摄像头图像
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 240)
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 320)
    cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)  # 设置内部缓冲存储器中的帧数量
    if cap is not None:                  # 如果没有连接摄像头，就等待
        break

while True:
    # 逐帧捕获摄像头的图像
    ret, frame = cap.read() # ret为True或False，表示有没有读到图像，frame表示当前截取一帧的图像
    img_array = preprocess_img(frame)         # 对一帧图像做预处理
    predictions = model.predict(img_array)    # 模型预测（整体概率）
    predictions = tf.nn.softmax(predictions)  # 输出预测结果
    new_frame = add_data(frame,predictions)   # 对每一帧图像绘制分类结果
    # frame=cv2ImgAddText(frame,new_frame, (10, 30),(0, 255, 0), 30)
    print(new_frame)

    # 显示图像    
    cv2.imshow('frame',frame)
    
    # 按下熊猫键盘“A”键，退出程序
    if cv2.waitKey(1) & 0xFF == ord('b'):
        break

#清空显示
cap.release()
cv2.destroyAllWindows()
复制代码

三、运行程序
过程视频

小结
由于时间有限，对于程序的解释较为简单，但关于物体分类的总体操作思路不变，即“采集图像--训练模型--预测图像”，这也是很多人工智能项目普遍的操作流程。最后，希望本文能给你带来一些收获和启发，如果对相关的技术感兴趣，也欢迎作进一步研究并将你的成果开源出来。（PS：最后的最后，也感谢一下在原“智能快递柜机器人”项目中一起研讨并提供help的小伙伴。）

人工智能, 机器学习, 行空板, python