基于opencv水果识别系统应用前景自动识别水果

转载

colddawn 2024-03-15 05:37:37

文章标签 基于opencv水果识别系统应用前景 tensorflow arduino tinyml 数据 文章分类 计算机视觉人工智能

在本文中，板载手势传感器将用于收集对象识别数据，这些数据将用于创建TensorFlow Lite模型，该模型可用于识别特定对象。电路板的接近传感器功能将用于识别物体何时靠近电路板，而RGB传感器用于首先收集物体的颜色数据，然后正确识别物体。这是一个简单的示例，但确实显示了在小型设备上运行TinyML的潜力以及传感器丰富的Arduino蓝牙传感器的强大功能。

硬件

水果

Arduino IDE准备

安装库文件

捕获训练数据

打开串行监视器，然后选择一种水果来收集数据。
注意：确保面板靠近水果并且光线充足，可以更好地收集数据。将棋盘移至水果上方或将水果移至棋盘上方。
例如：香蕉
从串行监视器复制数据并将其放置在CSV文件中。
例如，
banana.csv
注意：确保文件的第一行包括以下内容：
Red,Green,Blue
重复其他水果。
苹果，橙（在这种情况下为橙色甜椒）

训练模型

训练神经网络

运行Parse并将CSV文件中的数据单元准备为可用于训练连接的神经网络的格式
运行“构建和训练模型”单元，以使用高级Keras API构建和训练TensorFlow模型。
输出：
与测试数据一起运行以将数据放入模型并绘制预测
将训练后的模型转换为Tensor Flow Lite，并以字节为单位显示模型大小。
输出：
刷新文件以查看创建的手势文件：
创建的文件：gesture_model.tflite
将模型编码到Arduino头文件中
该单元将在model.h文件中创建一个字节数组。注意：以前这是行不通的，但看起来已得到纠正。
刷新文件以查看model.h文件。