Spisu treści:

AI Aids Eyes (komputerowy system wizyjny przypominający operatorom o noszeniu okularów ochronnych): 4 kroki
AI Aids Eyes (komputerowy system wizyjny przypominający operatorom o noszeniu okularów ochronnych): 4 kroki

Wideo: AI Aids Eyes (komputerowy system wizyjny przypominający operatorom o noszeniu okularów ochronnych): 4 kroki

Wideo: AI Aids Eyes (komputerowy system wizyjny przypominający operatorom o noszeniu okularów ochronnych): 4 kroki
Wideo: This AI will replace your EYES - Nvidia Maxine 2024, Listopad
Anonim
Image
Image

Oto demo systemu. Gdy system wykryje, że wiertło zostało podniesione, automatycznie wyda ostrzeżenie o okularach ochronnych. Aby pokazać obecność ostrzeżeń dotyczących okularów ochronnych, obramowanie obrazu RGB w filmie demonstracyjnym jest pomalowane na czerwono. Gdy system wykryje, że żadne wiertło nie zostało podniesione, nie wygeneruje żadnych ostrzeżeń dotyczących okularów ochronnych. Aby pokazać brak ostrzeżeń dotyczących okularów ochronnych, obramowanie obrazu RGB jest w filmie demonstracyjnym pokolorowane na zielono. Jak pokazano na filmie demonstracyjnym, komputerowy system wizyjny z powodzeniem wykrywa, czy operator podnosi wiertło.

Krok 1: Sprzęt

Segmentacja
Segmentacja

Używam drewna (z Home Depot) do tworzenia konstrukcji nośnej. Następnie montuję sensor Kinect Microsoft XBOX 360 (firmy Amazon) na konstrukcji wsporczej, aby monitorować aktywność na ziemi.

Krok 2: Segmentacja

Pokazany jest przykład składający się z obrazu RGB, obrazu głębi i obrazu wyodrębnionego obiektu.

Dla algorytmu wizyjnego komputerowego wyzwaniem jest ustalenie, czy ręka operatora trzyma wiertło na podstawie samego obrazu RGB. Jednak dzięki informacjom o głębokości problem jest łatwiejszy.

Mój algorytm segmentacji ustawia kolor piksela na obrazie RGB na czarny, jeśli jego odpowiednia głębia wykracza poza predefiniowany zakres. Pozwala mi to na segmentację podnoszonego przedmiotu.

Krok 3: Klasyfikacja

Zbieram dane, nagrywając na wideo, jak osobno trzymam wiertarkę/macham rękami. Następnie wykorzystuję technikę uczenia transferu do dostrojenia sieci neuronowej VGG, która jest wstępnie wytrenowana przy użyciu ImageNet. Ale wynik nie jest dobry. Być może wyodrębnione obrazy nie są podobne do naturalnych obrazów w ImageNet. Dlatego szkolę splotową sieć neutralną, korzystając z wyekstrahowanych obrazów od podstaw. Wynik jest całkiem niezły. Dokładność klasyfikatora wynosi ~95% w zestawie walidacyjnym. Fragment modelu znajduje się w pliku.py.

Krok 4: Baw się i bądź bezpieczny

2000

Każdego dnia około 2000 pracowników w USA doznaje urazów oczu związanych z pracą, które wymagają leczenia.

60%

Prawie 60% poszkodowanych pracowników nie nosiło okularów ochronnych w czasie wypadku lub nosiło okulary nieodpowiednie do pracy.

Baw się dobrze i bezpiecznie

Bezpieczeństwo powinno być zawsze na pierwszym miejscu. Serce mi ściska, gdy słyszę o wypadkach z elektronarzędziami. Mam nadzieję, że ten artykuł może podnieść świadomość, że sztuczna inteligencja może zapewnić nam dodatkowy poziom ochrony.

Baw się dobrze, robiąc rzeczy i bądź bezpieczny!

Zalecana: