2024-2-4 21:46:37 [显示全部楼层]
1871浏览
查看: 1871|回复: 3

[M10教程] 行空板判断石头剪子图形的AI识别

[复制链接]
本帖最后由 rzegkly 于 2024-2-4 21:52 编辑

行空板判断石头剪子图形的AI识别图1
一、项目的起源

2024年2月4日

我们迎来春季的第一个节气——立春

立春意味着耕耘播种的时节就要开始

新年的脚步越来越近了,学习脚步永不停歇。

1月31日晚上,参加浦育平台组织的《中小学AI课程众筹计划交流活动》,

让我亲自体验人工智能的数据采集和整理,数据的加工处理和模型的训练,

再到智能识别得出结果的整个流程的操作。

这就是我今天要给大家分享关于行空板判断石头剪子图形的AI识别。

行空板判断石头剪子图形的AI识别图2
二、项目的原理
1.数据采集:对手的形状石头、剪子进行图片的采集,
2.模型训练:利用蒲育平台的训练工具进行训练生成权重模型,
通过蒲育平台的模型转换工具将权重模型文件转换成*.onnx通用格式的文件。
3.模型部署:将onnx通用格式的文件通过Mind+图形化编程软件部署到行空板上,
4.模型应用:在行空板显示出所识别图片的类别。
三、硬件材料
1.行空板1块
2.数据线1根
四、项目的制作过程
(一)数据采集
1.对手的石头和剪子的图片采集。
行空板判断石头剪子图形的AI识别图3
在蒲育平台首页,找到工具—在线工具—创意积木工坊
行空板判断石头剪子图形的AI识别图4
行空板判断石头剪子图形的AI识别图5
行空板判断石头剪子图形的AI识别图6
行空板判断石头剪子图形的AI识别图7
二)模型训练

打开摄像头,在摄像头前方展示你的物体,初步评估模型的性能,即模型所呈现的标签是否和所展示的物体一致。
行空板判断石头剪子图形的AI识别图8
行空板判断石头剪子图形的AI识别图9
打开AI训练工具,修改分类标签分别为“剪子”“石头”,上传相应图片
行空板判断石头剪子图形的AI识别图10
行空板判断石头剪子图形的AI识别图11
将图片数据制作成ImageNet格式数据集。

开始训练,训练完可以进行验证,也可以现场打开摄像头采集图片进行训练。
行空板判断石头剪子图形的AI识别图12
权重模型的训练生成并将训练好的模型文件下载到电脑。

将训练好的手势图片模型model.zip模型文件下载到电脑里保存。
(三).将训练好的模型文件转换成通用格式*.onnx。
行空板判断石头剪子图形的AI识别图13
从积木编程的tensorflow.js模型到ONNX模型进行克隆。

手头 剪子积木编程的tensorflow.js模型到ONNX-副本.

https://www.openinnolab.org.cn/pjlab/project?id=645ddb8fd73dd91bcbf15083&sc=630d8bd4bba1fd64f1f0a5dc#public
行空板判断石头剪子图形的AI识别图14
行空板判断石头剪子图形的AI识别图15
将手势模型文件model.json 和modelweights.bin文件上传平台
行空板判断石头剪子图形的AI识别图16
模型转换模型,全部运行
行空板判断石头剪子图形的AI识别图17
打开转换模板文件,将训练好保存电脑的权重模型文件上传,
按步骤运行模板程序生成新的通用格式的文件。
行空板判断石头剪子图形的AI识别图18
行空板判断石头剪子图形的AI识别图19
模型推理不用运行,将onnx文件下载到电脑相应文件夹。
行空板判断石头剪子图形的AI识别图20
行空板判断石头剪子图形的AI识别图21

(三)模型部署:将通用的权重文件部署到  行空板。

行空板判断石头剪子图形的AI识别图22

1.打开Mind+,右下角扩展添加

行空板判断石头剪子图形的AI识别图23

2.在官方库添加行空板

行空板判断石头剪子图形的AI识别图24

3.用户库添加BaseDeploy

行空板判断石头剪子图形的AI识别图25

4.pip模式安装BaseDeploy

行空板判断石头剪子图形的AI识别图26

5.打开文件系统,将文件拖入项目中的文件即可,

在点击运行的时候Mind+会将项目中的文件里面的所有文件一起上传到行空板的mindplus文件夹中运行。


[color=rgba(0, 0, 0, 0.9)]行空板判断石头剪子图形的AI识别图27



(四)模型应用

编写程序如下:
行空板判断石头剪子图形的AI识别图28
第一个程序是识别测试集里的剪子分类的图片,行空板显示结果剪子
行空板判断石头剪子图形的AI识别图29
第二个程序是识别测试集里的石头分类的图片,行空板显示结果石头


行空板判断石头剪子图形的AI识别图30
行空板判断石头剪子图形的AI识别图31

五、总结及展望
       本项目初步完成了人工智能图形分类的数据采集、模型训练,模型部署、模型并能够脱离蒲育平台实现简单应用。由于初次还存在制作过程简单,数据采集量小,成熟度还很低,还有待于进一步改进和完善。本作品由于过于简单应用场景非常有限,今后还要在此基础上进一部扩展功能,适合更多场景应用。

rzyzzxw  版主

发表于 2024-2-4 22:04:16

点赞
回复

使用道具 举报

552001605  见习技师

发表于 2024-4-20 22:46:00

大佬能分享一下预训练onnx模型吗?这边按照步骤去训练转换没有问题,但是推理图片时报错了,应该是本身例子那个model.onnx格式有问题
回复

使用道具 举报

552001605  见习技师

发表于 2024-4-20 23:06:24

大佬在吗?https:mc.dfrobot.com.cnthread-317922-1-1.html 浦育ai体验那里训练的转onnx格式后推理报错了
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

为本项目制作心愿单
购买心愿单
心愿单 编辑
[[wsData.name]]

硬件清单

  • [[d.name]]
btnicon
我也要做!
点击进入购买页面
上海智位机器人股份有限公司 沪ICP备09038501号-4

© 2013-2024 Comsenz Inc. Powered by Discuz! X3.4 Licensed

mail