Inhoudsopgave:

AI Aids Eyes (een computervisiesysteem om operators eraan te herinneren een veiligheidsbril te dragen): 4 stappen
AI Aids Eyes (een computervisiesysteem om operators eraan te herinneren een veiligheidsbril te dragen): 4 stappen

Video: AI Aids Eyes (een computervisiesysteem om operators eraan te herinneren een veiligheidsbril te dragen): 4 stappen

Video: AI Aids Eyes (een computervisiesysteem om operators eraan te herinneren een veiligheidsbril te dragen): 4 stappen
Video: Mo-Do - Eins Zwei Polizei (Official Video) 2024, November
Anonim
Image
Image

Hier is een demo van het systeem. Wanneer het systeem detecteert dat een boor wordt opgepakt, geeft het automatisch een veiligheidsbrilwaarschuwing af. Om de aanwezigheid van de veiligheidsbrilwaarschuwingen weer te geven, is de rand van het RGB-beeld in de demovideo rood gekleurd. Wanneer het systeem detecteert dat er geen boor wordt opgepakt, geeft het geen veiligheidsbrilwaarschuwingen af. Om de afwezigheid van de veiligheidsbrilwaarschuwingen weer te geven, is de rand van het RGB-beeld in de demovideo groen gekleurd. Zoals te zien is in de demovideo, detecteert het computervisiesysteem met succes of de operator een boormachine oppakt.

Stap 1: Hardware

Segmentatie
Segmentatie

Ik gebruik hout (van Home Depot) om een draagstructuur te vormen. Vervolgens monteer ik een Microsoft XBOX 360 Kinect Sensor (van Amazon) op de draagstructuur om de activiteit op de grond te monitoren.

Stap 2: Segmentatie

Een voorbeeld bestaande uit een RGB-afbeelding, een diepteafbeelding en een afbeelding van het geëxtraheerde object wordt getoond.

Het is een uitdaging voor een computer vision-algoritme om te bepalen of de hand van de operator alleen een boor vasthoudt op basis van het RGB-beeld. Met de diepte-informatie is het probleem echter eenvoudiger.

Mijn segmentatie-algoritme stelt de kleur van een pixel op het RGB-beeld in op zwart als de bijbehorende diepte buiten een vooraf gedefinieerd bereik ligt. Hierdoor kan ik het object dat wordt opgepakt segmenteren.

Stap 3: Classificatie

Ik verzamel data door mezelf op video vast te leggen terwijl ik een boor vasthoud/zwaai met mijn handen apart. Vervolgens gebruik ik de techniek van transfer learning om een VGG neuraal netwerk af te stemmen dat vooraf is getraind met ImageNet. Maar het resultaat is niet goed. Misschien zijn de geëxtraheerde afbeeldingen niet vergelijkbaar met de natuurlijke afbeeldingen in ImageNet. Daarom train ik een convolutioneel neutraal netwerk met behulp van de geëxtraheerde afbeeldingen vanuit het niets. Het resultaat is best goed. De nauwkeurigheid van de classificatie is ~ 95% op de validatieset. Een fragment van het model wordt gegeven in het.py-bestand.

Stap 4: Veel plezier en wees veilig

2000

Elke dag lopen ongeveer 2.000 Amerikaanse werknemers werkgerelateerd oogletsel op dat medische behandeling vereist.

60%

Bijna 60% van de gewonde werknemers droegen geen oogbescherming op het moment van het ongeval of droegen de verkeerde soort oogbescherming voor het werk.

Veel plezier en wees veilig

Veiligheid moet altijd voorop staan. Mijn hart zinkt als ik hoor van ongelukken met elektrisch gereedschap. Ik hoop dat dit artikel het bewustzijn kan vergroten dat kunstmatige intelligentie ons een extra niveau van bescherming kan bieden.

Veel plezier met het maken van dingen en wees veilig!

Aanbevolen: