Table des matières:

AI Aids Eyes (un système de vision par ordinateur pour rappeler aux opérateurs de porter des lunettes de sécurité) : 4 étapes
AI Aids Eyes (un système de vision par ordinateur pour rappeler aux opérateurs de porter des lunettes de sécurité) : 4 étapes

Vidéo: AI Aids Eyes (un système de vision par ordinateur pour rappeler aux opérateurs de porter des lunettes de sécurité) : 4 étapes

Vidéo: AI Aids Eyes (un système de vision par ordinateur pour rappeler aux opérateurs de porter des lunettes de sécurité) : 4 étapes
Vidéo: Il enlève mon soutif en 0.1 SECONDE 😭 #humour #drole #blague #couplegoals #marrant #challenge 2024, Novembre
Anonim
Image
Image

Voici une démo du système. Lorsque le système détecte qu'une perceuse est ramassée, il émet automatiquement un avertissement de lunettes de sécurité. Pour représenter la présence des avertissements de lunettes de sécurité, la bordure de l'image RVB est colorée en rouge dans la vidéo de démonstration. Lorsque le système détecte qu'aucune perceuse n'est ramassée, il n'émet aucun avertissement concernant les lunettes de sécurité. Pour représenter l'absence des avertissements de lunettes de sécurité, la bordure de l'image RVB est colorée en vert dans la vidéo de démonstration. Comme le montre la vidéo de démonstration, le système de vision par ordinateur détecte avec succès si l'opérateur prend une perceuse.

Étape 1: Matériel

Segmentation
Segmentation

J'utilise du bois (de Home Depot) pour former une structure de support. Je monte ensuite un capteur Kinect Microsoft XBOX 360 (d'Amazon) sur la structure de support pour surveiller l'activité au sol.

Étape 2: Segmentation

Un exemple composé d'une image RVB, d'une image de profondeur et d'une image de l'objet extrait est affiché.

Il est difficile pour un algorithme de vision par ordinateur de déterminer si la main de l'opérateur tient une perceuse à partir de l'image RVB seule. Cependant, avec les informations de profondeur, le problème est plus facile.

Mon algorithme de segmentation définit la couleur d'un pixel sur l'image RVB en noir si sa profondeur correspondante est en dehors d'une plage prédéfinie. Cela me permet de segmenter l'objet qui est ramassé.

Étape 3: Classement

Je collecte des données en me filmant en tenant une perceuse/en agitant les mains séparément. J'utilise ensuite la technique de l'apprentissage par transfert pour régler un réseau de neurones VGG pré-entraîné à l'aide d'ImageNet. Mais le résultat n'est pas bon. Peut-être que les images extraites ne sont pas similaires aux images naturelles dans ImageNet. Par conséquent, j'entraîne un réseau neutre convolutif en utilisant les images extraites à partir de zéro. Le résultat est plutôt bon. La précision du classificateur est d'environ 95 % sur l'ensemble de validation. Un extrait du modèle est fourni dans le fichier.py.

Étape 4: Amusez-vous et soyez prudent

2000

Chaque jour, environ 2 000 travailleurs américains subissent des lésions oculaires liées au travail qui nécessitent un traitement médical.

60%

Près de 60 % des travailleurs blessés ne portaient pas de protection oculaire au moment de l'accident ou portaient le mauvais type de protection oculaire pour le travail.

Amuse toi et fais attention

La sécurité doit toujours passer en premier. Mon cœur se serre chaque fois que j'entends parler d'accidents impliquant des outils électriques. J'espère que cet article pourra faire prendre conscience que l'intelligence artificielle peut nous offrir un niveau de protection supplémentaire.

Amusez-vous à faire des choses et soyez prudent !

Conseillé: