描述

自動(dòng)計(jì)數(shù)在大型行業(yè)中對(duì)于準(zhǔn)確包裝至關(guān)重要。目前，工業(yè)中使用機(jī)械計(jì)數(shù)或基于重量的計(jì)數(shù)。除了耗時(shí)和忙碌之外，機(jī)械計(jì)數(shù)還受到產(chǎn)品尺寸和形狀的限制。基于重量的計(jì)數(shù)假設(shè)每個(gè)部分都與前一個(gè)部分具有相同的重量。計(jì)算產(chǎn)品需要將產(chǎn)品的平均重量除以一個(gè)產(chǎn)品的重量。無論制造系統(tǒng)多么復(fù)雜，部件的尺寸和形狀總是存在一些差異。在木材和橡膠等材料中，密度變化高達(dá) 50%。

這是我們基于視覺的適應(yīng)性計(jì)數(shù)器，它實(shí)際上使用 AI 進(jìn)行計(jì)數(shù)。該設(shè)備可以輕松計(jì)算有缺陷和無缺陷的零件。考慮是否有更多的缺陷零件，我們可以假設(shè)生產(chǎn)單元中可能出現(xiàn)問題。這些數(shù)據(jù)還可用于提高生產(chǎn)質(zhì)量，從而使行業(yè)能夠在更短的時(shí)間內(nèi)生產(chǎn)出更多的產(chǎn)品。因此，我們的適應(yīng)性強(qiáng)的計(jì)數(shù)器正在發(fā)展成為滿足世界準(zhǔn)確和靈活的計(jì)數(shù)需求的解決方案。自適應(yīng)計(jì)數(shù)器實(shí)際上是由 Rapsberry pi 4 和攝像頭模塊組成的設(shè)備，計(jì)數(shù)過程完全由 FOMO 驅(qū)動(dòng)。所以它比任何其他方法都能更快、更準(zhǔn)確地計(jì)數(shù)。自適應(yīng)計(jì)數(shù)器與網(wǎng)站集成，

用例

這些案例可以應(yīng)用于行業(yè)的任何地方。

1、從上往下數(shù)

在這種情況下，我們計(jì)算有缺陷和無缺陷的墊圈。

2. 動(dòng)態(tài)計(jì)數(shù)

在這種情況下，我們正在計(jì)算通過傳送帶的螺栓和墊圈以及有缺陷的墊圈。

3. 數(shù)數(shù)

在這種情況下，我們正在數(shù)一束棒棒糖。

4. 多零件計(jì)數(shù)

在這種情況下，我們正在計(jì)算多個(gè)零件，例如墊圈和螺栓

軟件

物體檢測(cè)模型訓(xùn)練

Edge Impulse 是領(lǐng)先的邊緣設(shè)備機(jī)器學(xué)習(xí)開發(fā)平臺(tái)之一，對(duì)開發(fā)人員免費(fèi)，深受企業(yè)信賴。對(duì)于此設(shè)備，我們使用 FOMO，這是 Edge Impulse 用于對(duì)象檢測(cè)的一種新型機(jī)器學(xué)習(xí)算法。然后我們將我們的機(jī)器學(xué)習(xí)模型部署到 Raspberry Pi 4B 上，使我們的工作變得可操作。

數(shù)據(jù)采集

每個(gè)機(jī)器學(xué)習(xí)項(xiàng)目都從數(shù)據(jù)收集開始。良好的數(shù)據(jù)收集是影響模型性能的主要因素之一。確保您對(duì)行業(yè)中提供的項(xiàng)目具有廣泛的視角和縮放級(jí)別。您可以從任何設(shè)備或開發(fā)板獲取數(shù)據(jù)，或上傳您自己的數(shù)據(jù)集，進(jìn)行數(shù)據(jù)采集。因?yàn)槲覀冇凶约旱臄?shù)據(jù)集，所以我們使用“數(shù)據(jù)采集”選項(xiàng)卡上傳它們。

只需導(dǎo)航至“數(shù)據(jù)采集”選項(xiàng)卡并選擇要上傳的文件。之后，給它打個(gè)標(biāo)簽，上傳到訓(xùn)練區(qū)。Edge Impulse 僅接受 JPG 或 PNG 圖像文件。如果您有任何其他格式，請(qǐng)使用互聯(lián)網(wǎng)轉(zhuǎn)換器將其轉(zhuǎn)換為 JPG 或 PNG 格式。

在我們的例子中，我們有四個(gè)標(biāo)簽 - Washer、Faulty Washer、Lollipop、Bolt 。我們已經(jīng)上傳了這四個(gè)不同類別的所有收集數(shù)據(jù)。因此，計(jì)算機(jī)在計(jì)數(shù)時(shí)只會(huì)識(shí)別這些項(xiàng)目。如果你想識(shí)別除這些之外的任何其他物體，你必須上傳其他物體的數(shù)據(jù)集。神經(jīng)網(wǎng)絡(luò)訪問的數(shù)據(jù)越多，它們識(shí)別物體的能力就越好。

這是我們的計(jì)數(shù)設(shè)置（剛剛將可適應(yīng)計(jì)數(shù)器連接在一塊小木板的頂部）

標(biāo)簽數(shù)據(jù)

您可以在標(biāo)記隊(duì)列中查看數(shù)據(jù)集的所有未標(biāo)記數(shù)據(jù)。向?qū)ο筇砑訕?biāo)簽就像在對(duì)象周圍拖出一個(gè)框一樣簡(jiǎn)單。我們?cè)噲D通過在后臺(tái)運(yùn)行對(duì)象跟蹤算法來自動(dòng)執(zhí)行此過程，以使生活更輕松。如果您在多張照片中有相同的物體，我們可以為您移動(dòng)方框，您只需確認(rèn)新方框即可。拖動(dòng)框，然后單擊保存標(biāo)簽。繼續(xù)這樣做，直到標(biāo)記了整個(gè)數(shù)據(jù)集。

設(shè)計(jì)一個(gè)沖動(dòng)

是時(shí)候設(shè)計(jì)沖動(dòng)了。Impulse 實(shí)際上是一個(gè)用于生成特征的機(jī)器學(xué)習(xí)管道。如果您需要了解更多關(guān)于沖動(dòng)的信息，請(qǐng)看這里。

在我們的 Impulse 中，我們將圖像寬度和圖像高度設(shè)置為96px ，將調(diào)整大小模式設(shè)置為適合最短軸，因?yàn)樗峁┝烁鼫?zhǔn)確的模型。

然后在圖像選項(xiàng)卡中，我們使用灰度作為顏色深度。然后我們保存參數(shù)。

在我們?yōu)閿?shù)據(jù)生成特征之后，特征實(shí)際上是一個(gè)單獨(dú)的可測(cè)量屬性。下圖顯示了從我們的數(shù)據(jù)集生成的特征。生成的特征本身可以用我們的眼睛很好地區(qū)分。

是時(shí)候訓(xùn)練機(jī)器學(xué)習(xí)模型了。從頭開始生成機(jī)器學(xué)習(xí)模型需要大量的時(shí)間和精力。因此我們將使用一種稱為遷移學(xué)習(xí)的技術(shù)，該技術(shù)在我們的數(shù)據(jù)上使用經(jīng)過良好預(yù)訓(xùn)練的模型。然后我們可以用更少的數(shù)據(jù)創(chuàng)建準(zhǔn)確的機(jī)器學(xué)習(xí)模型。

然后轉(zhuǎn)到模型生成的對(duì)象檢測(cè)選項(xiàng)卡。

在這種情況下，我們使用 FOMO 算法來訓(xùn)練模型。所以我們將物體檢測(cè)模型改為FOMO (Faster Objects, More Objects) MobileNetV2 0.35 。FOMO 是一種新型的邊緣脈沖機(jī)器學(xué)習(xí)算法，專為高度受限的設(shè)備而設(shè)計(jì)。它與 Raspberry pi 4 配合得很好。

這些是我們的神經(jīng)網(wǎng)絡(luò)設(shè)置，如圖所示。我們現(xiàn)在已經(jīng)訓(xùn)練了我們的模型，訓(xùn)練精度為 96.7%，相當(dāng)不錯(cuò)。

現(xiàn)在是在現(xiàn)實(shí)世界中測(cè)試模型的時(shí)候了。結(jié)果實(shí)際上令人驚訝。這里我們達(dá)到了 87.5% 的準(zhǔn)確率，這對(duì)于數(shù)據(jù)量如此之少的模型來說非常好。

火力地堡設(shè)置

在我們的項(xiàng)目中，我們使用 Firebase 實(shí)時(shí)數(shù)據(jù)庫(kù)來即時(shí)發(fā)布和檢索數(shù)據(jù)，這樣就沒有時(shí)間延遲。這里我們使用了Pyrebase庫(kù)，它是 Firebase 的 python 包裝器。

要安裝 pyrebase，請(qǐng)運(yùn)行以下命令pip install pyrebase

Pyrebase 是為 python 3 編寫的，可能無法與 python 2 一起正常工作。

首先我們?cè)跀?shù)據(jù)庫(kù)中創(chuàng)建了一個(gè)項(xiàng)目

然后轉(zhuǎn)到構(gòu)建部分并創(chuàng)建一個(gè)實(shí)時(shí)數(shù)據(jù)庫(kù)

然后選擇測(cè)試模式，這樣我們就可以在不進(jìn)行任何身份驗(yàn)證的情況下更新數(shù)據(jù)

這是我們的實(shí)時(shí)數(shù)據(jù)庫(kù)

對(duì)于僅用于基于用戶的身份驗(yàn)證，我們可以創(chuàng)建以下配置，并且應(yīng)該將其添加到我們的 python 代碼中

import pyrebase
config = {
"apiKey": "apiKey",
"authDomain": "projectId.firebaseapp.com",
"databaseURL": "https://databaseName.firebaseio.com",
"storageBucket": "projectId.appspot.com"
}
firebase = pyrebase.initialize_app(config)

然后添加 apikey、authDomain 和 databaseURL（您可以在項(xiàng)目設(shè)置中找到所有這些）。然后我們可以將這些值存儲(chǔ)在實(shí)時(shí)數(shù)據(jù)庫(kù)中。

網(wǎng)站

使用 HTML、CSS 和 JS 創(chuàng)建網(wǎng)頁(yè)以實(shí)時(shí)顯示計(jì)數(shù)。Firebase 中更新的數(shù)據(jù)實(shí)時(shí)反映在網(wǎng)頁(yè)中。當(dāng)盤點(diǎn)過程停止時(shí)，網(wǎng)頁(yè)顯示最近計(jì)數(shù)，當(dāng)盤點(diǎn)過程正在進(jìn)行時(shí)，網(wǎng)頁(yè)顯示當(dāng)前計(jì)數(shù)。

硬件

• 樹莓派 4B

Raspberry Pi4 B 是系統(tǒng)的大腦。這款 Raspberry Pi 4 集成了 64 位四核 cortex-A72 ARM v8，broadcom BCM2711，運(yùn)行速度為 1.5GHz。所以計(jì)數(shù)可以完美地完成。Edge Impulse 完全支持這款微型計(jì)算機(jī)。要使用 Edge Impulse 設(shè)置 Raspberry pi，請(qǐng)查看此處。

• 相機(jī)模組

此 Raspberry Pi 相機(jī)模塊是為 Raspberry Pi 定制設(shè)計(jì)的附加組件。這對(duì)我們的應(yīng)用程序來說已經(jīng)足夠了。

• 電源適配器

我們使用 5V 2A 適配器為系統(tǒng)供電。在這種情況下，我們沒有任何耗電的外圍設(shè)備，因此 2A 電流就足夠了。如果您有 3A 電源，請(qǐng)使用它。

為了方便起見，我們還使用了一個(gè)亞克力外殼來安裝所有硬件。

?

?