|
5057| 9
|
[M10教程] 基于行空板的CNN货物识别系统 |
|
科技的发展使得自动化和智能化成为现代物流、仓储和零售业的重要趋势。而无人驾驶小车和货物识别技术的应用也得到了更加广泛地关注。而货物识别技术就可以帮助小车识别和处理不同的货物，进一步提升自动化和智能化的水平。本项目将使用行空板和USB摄像头，设计一个可以识别鞋子、纸箱以及瓶子的货物识别系统。  任务目标 当摄像头识别到鞋子、纸箱、瓶子这几个物体时，将对应的货物名称在Mind+终端打印出来。  材料清单 硬件清单：  软件使用：Mind+编程软件 x1 接下来我们将通过采集、训练以及识别三个过程，逐步体验CNN的货物识别实现过程。 任务一：采集物体图像 1. 硬件连接 将USB摄像头连接到行空板上，如下图。硬件连接成功后，使用USB线将行空板连接到计算机。  2. 软件准备 （1）添加官方库：点击“扩展”，在“官方库”中，选择“行空板”与“Opencv”。 （2）添加用户库：选择“numpy”、“opencv_maxbot”、“maxbot神经网络”。 注意：numpy”、“opencv_maxbot”和“maxbot神经网络”的查找，只需要在检索框中输入下列链接，然后点击完成加载。
 这个任务中，主要是使用USB摄像头，对货物卡纸进行图片拍照。拍好的图片，需要使用“创建文件夹 来保存数据”指令，来对拍好的图片进行保存。使用时填好要保存的路径，也可以用变量保存路径，然后再使用。 注意：文件路径是文本型，所以路径需要放到“文本 ”指令中。  然后，设置摄像画面。打开摄像头，并设置摄像头画面全部显示（全屏）。  接下来，使用“从VideoCapture对象vd中抓取下一帧grab以及状态ret”指令，从捕获的视频流中抓取一帧图像。  图像捕获成功后，使用“获取图片 的高h 宽w 通道数c”指令，获取帧的形状，以便计算裁剪区域。  如何才能计算出裁剪区域的起点坐标和终点坐标呢？上一步我们已经获取了图片的高（h）和宽（w），要从图片中心裁剪出一个正方形区域。因此，要裁剪的正方形边长已经等于图像的高度（h）。  图像起始坐标x，就为（w-h）//2。新建“变量start_x”，并将变量start_x的值赋值为（w-h）//2。  图像起始坐标y，就为（h-h）//2。新建“变量start_y”，并将变量start_y的值赋值为（h-h）//2。  而终点坐标变量end_x，变量end_y，只需要在起点坐标（start_x，start_y）的基础上加一个高h就可以了。  然后，使用“对象 调整图像 大小为 ”指令，将图像frame根据计算好的坐标进行裁剪。将裁剪后的图像重新命名为crop_frame，图像裁剪的大小为[start_y:end_y, start_x:end_x]。  使用“显示图像 到窗口”指令，将裁剪后的图像显示在行空板屏幕上。但是，我们希望在行空板上看到的图像是镜像的，所以在显示图像指令前，使用“对象名 将图像 水平翻转”指令，对图像进行水平翻转后再显示。要让摄像头的图像是实时的视频流，使用“每 毫秒刷新图像”指令，每隔1毫秒刷新一次图像。  按下A按键，开始保存图片。通过条件语句“如果……那么执行”指令，对“按钮A被按下？”指令进行判断，如果条件为真，将“对象名 用opencv将图像 剪裁为宽 高 ”指令放到该指令中。然后，将图像crop_frame裁剪为宽96，高96的图片，并将裁剪后的图片重新创建一个对象名resized_frame。 注意：“对象名 用opencv将图像 剪裁为宽 高 ”指令，是指对图像进行缩放。其中宽96和高96，是将图像缩放到96*96像素，96*96这个尺寸是经常被用于机器学习和深度学习模型的尺寸。  图像缩放后，就需要对图像文件进行保存了。图片保存的格式为“xx.jpg”，保存路径为“/root/data/shoe”，并将路径保存起来，用于给采集的图片命名。  最后，在Mind+终端增加一些文字提示并将采集图片名显示在行空板屏幕上，完整程序如下：  4. 程序运行 连接行空板成功后，点击运行。程序运行成功后，Mind+终端打印区出现提示“按下A键开始图像数据采集”。图像数据采集操作如下：将USB摄像头，对着货物卡纸鞋子，行空板上出现鞋子的图像后，按下A键不松手，可快速采集图像数据。直到采集到大约500张图像数据后，松开按键。 注意：采集图像过程中，需要调整摄像头角度，多角度采集物体图像，可以提高识别率。  5. 试一试 大家还可以尝试采集更多种类的货物图片，比如瓶子和纸箱的图片（bottle、box）。 提示：任务一的程序中修改file_name中的文件名，再次运行程序后，进行对应的图像采集即可。  任务二：训练物体识别模型1. 编写程序 要完成物体识别模型的训练，需要用的卷积神经网络算法，程序主要通过以下6个步骤来完成：导入数据集、数据预处理、创建神经网络、训练模型、评估模型、保存模型。 (1) 导入数据集 采集好的图片保存在路径“/root/data”这个文件夹中，新建“变量dataset_path”，并初始化变量的值为文本型的“/root/data”。然后，我们可以将要识别的货物，按照采集顺序（即为保存并排序后的图片文件夹顺序）写入列表变量，如下图中的列表["bottle","box", "shoe"]。  (2) 数据预处理 这个项目中，要用到numpy库和TensorFlow库，来完成数据集的划分。一般数据集分为用于训练的训练集和用于测试模型效果的验证集。实现过程是：首先进行模块初始化，然后划分数据集并创建模型，完整的程序如下图所示。  (3) 创建神经网络 下面，就可以开始构建卷积神经网络模型了，一个卷积神经网络模型，需要包含多个卷积层、最大池化层和全连接层。添加卷积层，使用“为模型 添加 层”指令。  然后，使用“卷积层，卷积核数量 激活函数为 ，输入数据格式 层”指令，对输入的图片数据进行卷积操作，以从局部区域中提取特征。其中，选择卷积核数量32，表示卷积层的滤波器数量，也就是卷积后得到的特征图数量。激活函数为relu，输入数据格式为（32x32x1）。  使用“为模型 添加 层”指令与“池化层”指令，对卷积层进行池化操作，减小特征图的空间维度，保留最重要的特征。  重复添加第二个卷积层和池化层，修改卷积层的卷积和数量为64，激活函数为relu，输入格式为none。  添加第三个卷积层和池化层，修改卷层的卷积核数量为128，激活函数为relu，输入格式为none。  接下来使用“为模型 添加 层”指令和“展平层”指令，添加展平层。展平层的作用是将卷积层提取的特征图展平成一个向量，为全连接层做准备。  然后，使用“为模型 添加 层”指令，和“Dense层，神经元个数为 激活函数 为 层”指令，添加一个全连接层。设置神经元个数为128，激活函数为relu。这一层的作用是连接上一层的所有神经元，实现对特征的组合和分类。  最后，使用“为模型 添加 层”指令，和“Dense层，神经元个数为 激活函数 为 层”指令，再添加一个全连接层。并修改神经元个数为“列表 变量classes 的长度”，修改激活函数为softmax。这一层的作用是将具有类别数目的classes列表，使用softmax函数进行多类别分类。  (4) 训练模型 卷积神经网络构建成功后，使用“模型 的结构”和“打印”指令，打印一下模型的结构。  (5) 评估模型 使用“设置模型 参数，优化器，损失函数，评价函数”指令，对模型进行编译，并设置优化器为“Adam”，损失函数为“CategoricalCrossentropy”，评价函数为“accuracy”。  模型编译完成后，使用“训练模型 训练数据集 训练次数 验证数据集”指令，结合刚才分好的数据集，进行模型训练。  (6) 保存模型 模型训练完成后，使用“以saved_model格式保存模型 到 ”指令，将训练好的模型保存为TensorFlow SavedModel 格式，可用于部署和后续使用。  使用“将saved_model模型 转化为ONNX模型 ”指令，将TensorFlow模型转换为ONNX格式。  最后，完整训练程序如下：  2. 程序运行 连接行空板，点击运行。直到Mind+终端打印“模型转化完成，程序终止”字符串后，模型训练完成，自动退出程序。 注意：由于要加载的图片数据比较多，整个模型训练所花的时间也比较久，需要3-5分钟左右。  在模型训练过程中，出现了“no module name ‘tf2onnx’”的报错，我们可以在终端中输入指令“pip install tf2onnx”按回车键，进行安装，安装完成后，再次运行程序即可。  任务三：货物识别 1. 编写程序 使用ONNX模型进行物体识别，需要通过模型加载和预处理、图像处理、图像预测与展示这三个步骤。 (1) 模型加载和预处理 首先，使用“初始化numpy”指令与“初始化OPENCV”指令，进行初始化操作，再加载任务二保存好的model.onnx模型。  货物类别和预测结果初始化（赋值为“none”），依然可以通过变量完成。注意类别要和训练时建立的列表顺序保持一致，如“['bottle', 'box', 'shoe']”。  (2) 图像处理 要从摄像头中读取待识别的图像，使用“对象名 初始化 号摄像头并设置帧缓冲”指令，创建一个视频捕获对象“cap”，并初始化摄像头的编号为0。使用“创建窗口winname并设置为全屏”指令，在屏幕上创建一个名为winname的窗口，并将窗口设置为全屏模式，以便将摄像头中的视频流全屏显示在行空板屏幕上。  新建“变量input_data”，并将该变量复制为“创建Numpy数组[1,2,3]”指令，初始化Numpy数组的输入数据。  接下来，就需要使用“从VideoCapture对象vd中抓取下一帧grab以及状态ret”指令，从捕获的视频流中抓取一帧图像。  抓取图片后，需要使用“如果……那么执行”指令与“逻辑运算符 =”指令，判断状态ret的值是否True（判断读取帧是否成功）。  判断条件为真时，说明成功读取了帧，使用“对象名 将图片 转换为HSV格式”指令，将摄像头捕获的图像img从BGR颜色空间转换为HSV颜色空间。  接下来，使用“对象名 提取图片 的范围内像素 范围下限 范围上限 并进行形态学去噪”指令，通过设定范围上限和范围下限的阈值，进行颜色分割，得到我们感兴趣的物体区域。范围下限与范围上限，使用“创建Numpy数组 ”指令，设置下限为“[40,50,50]”，上限为“[100,255,255]”。  图片分割成功后，使用“对象名 剪裁图像 中最大的轮廓 宽 高 并处理数组维度”指令，设置宽为32，高为32，对分割出来的区域进行轮廓检测，来定位可能的物体。 注意：设置宽为32，高为32，是因为要与模型训练的图像尺寸一致。  最后，使用“显示图片img并设置图片名称“Mind+.png””指令，将抓取的图像显示在创建的行空板窗口中，并使用“每1毫秒刷新图像”指令，不断地刷新图像，将摄像头中的视频流显示在行空板上。  (3) 图像预测与展示 模型预测前，需要使用“获取数据 的格式”指令，检查提取的图像区域是否符合模型所期望的输入形状。使用条件判断指令“如果……那么执行”，判断“获取数据 变量input_data的格式”是否为（1,32,32,1）。 注意：在条件（1,32,32,1）中，第一个1是指：单个样本；两个32分别指：高度和宽度为32像素，最后一个1是指：通道参数。  当条件为真时，说明剪裁的图像符合图像预测模型。使用“对象名 用ONNX模型 预测图片数组 ”指令，将变量input_data作为预测图片数组，加载到ONNX模型中，进行预测。  然后，使用“将预测结果 映射到分类 ”指令，从模型输出的预测结果中获取最大概率所对应的类别标签，并返回预测概率最高的类别索引，将类别名称赋值给变量predict_result。  最后，使用“打印”指令，将预测结果打印出来，完整程序如下：  2. 程序运行连接行空板，点击运行。程序运行成功后，行空板上显示摄像头检测到的画面，当识别鞋子、纸箱、瓶子卡纸中的物体时，Mind+终端打印出货物名称。  1. 卷积神经网络算法的训练过程 使用卷积神经网络算法训练模型，主要是为了解决物体识别问题。而训练模型程序框架大致分为6步：导入数据集、数据预处理、创建神经网络、训练模型、评估模型、保存模型。
 2. 卷积神经网络算法的实现过程  |
2.11 MB, 下载次数: 1398
|
可以了 root@unihiker:~/mindplus/cache/任务三-货物识别.mp# python /root/mindplus/cache/ 任务三-货物识别.mp/.cache-file.py box box bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle bottle shoe shoe shoe shoe shoe shoe shoe shoe box shoe shoe shoe box shoe shoe box shoe shoe shoe shoe shoe shoe box shoe shoe shoe bottle bottle bottle bottle bottle box shoe shoe shoe box box shoe shoe shoe shoe box shoe box box shoe shoe box shoe shoe shoe shoe shoe 已终止 root@unihiker:~/mindplus/cache/任务三-货物识别.mp# |
© 2013-2024 Comsenz Inc. Powered by Discuz! X3.4 Licensed
置顶卡
变色卡
千斤顶
