跳到主要内容

智能分类垃圾桶

前期准备​

危险

1、如果你是台式机，本身没有摄像头，这个步骤可以跳过。

2、如果你是笔记本，先禁用笔记本摄像头
鼠标右键“我的电脑”图标—>属性—>设备管理器—>图像设备，找到你笔记本自带的摄像头，右键禁用。win7可能是叫做 摄像头
47.png

插上USB摄像头​

插上我们配送的USB摄像头，电脑会识别成HD camera
image.png

摄像头摆放​

自行调整摄像头的俯视高度 和 焦距

1、弯折摄像头，让其镜头尽量低一点
image.png

2、旋转圆环，调整焦距，让其尽量清晰
image.png

3、最终软件舞台显示的效果，虽然有点模糊，但是已经完全没有问题了
image.png

打开Kittneblock软件​

危险

如果打开Kittenblock，无法启动摄像头，一般是由于杀毒软件禁止启动导致的。
先关闭杀毒软件，再重新打开Kittenblock

1、加载视频插件 和 ML5的插件，选择左下角的扩展

img

img

视屏侦测分栏​

拖拽以下的积木
点击镜像开启动，设置透明度为0
img

ML5分栏​

1、录入数据​

1、初始化特征提取器，点击一下
2、再把标签更改为“虾”点击下（录入不同的物体需要对应更改为不同名字），这就录入了第一个数据。第一次录入比较慢，不要惊慌，等待一下，点击积木块，黄色边框消失后，就代表执行完毕了
image.png

3、要求录入的名字是在这4个列表内（蓝色勾勾去掉可以隐藏列表），否则就需要自己进行增加
image.png
点击加号就可以自行添加
img

4、需要不断变换卡片的位置和角度，多点击几次“KNN添加特征积木块”，录入多次标签，机器学习才足够强壮。
一般每一张卡片录入数据至少在5个数据以上，识别效果才会比较准确

这里我不断的变动虾的卡片位置和角度，同时点击了 添加特征的积木块（红框所示）
img

2、识别检验​

录入完毕后，我们随便摆放卡片的位置和方向，点击识别积木块，可以看到已经正确识别出来了。
img

3、再录入其它的卡片​

其他卡片数据也是按照同样的方法进行录入。大家可以在每个垃圾分类的种类中分别挑几张卡片进行录入，后期有时间再把剩下的卡片全部录入

4、实物录入​

喵家的垃圾只能识别卡片吗？不是的！因为作为一个教育套件，卡片比较通用，而且课堂上课也比较方便。所以就采用了卡片，如果你想录入真正的实物。也是可以的。录入实物的操作与录入卡片的操作完全一致。把实物放在镜头下，点击添加特征。
img

进阶学习​

模型保存​

因为涉及到机器学习，机器学习的数据一般是在内存中跑，如果只保存sb3程序，机器学习的数据是无法保存的。因此需要额外保存模型和加载模型

模型保存为“myKNN.json”

img

点击保存后

img

本地文件中，多出了“myKNN.json”
img

模型加载​

当你下次再打开这个程序时。你需要做两件事，一个初始化特征提取器，再一个就是加载模型（xx.json）。
且每次打开都需要做这两件事。这样训练好的模型才能再次被用上
img

注意事项​

识别出错，一般有两个原因

  • 摄像头的背景太复杂了。尽量在卡片底下垫一张白色的纸，保持背景是白色的。训练模型与识别模型时，背景尽量保证一致能提高识别率。
  • 二是数据样本不够。这时候我们只需要把这个情况再加入正确的标签中，如图所示，可以再变换多几个特殊的角度再进行录入。
信息

录入后再次进行检测，看下是否能正确识别。以上都OK后，记得把模型的.json文件再次保存，这样的保存才能真正把机器学习的数据结果保存下来。

完整程序​

这个程序是需要有前置准备的，请确保完成或者了解过前面所有操作
打开程序“04智能分类垃圾桶_完整”
img

我们先特征分类录入 “废电池”和“易拉罐”进行测试下，记得不同角度多录入几张

img

img

img

Robotbit的电源也打开了
image.png

按下空格进行识别
image.png

blocksSvg-1727081736656.svg

如果执行正确，对应垃圾桶会正确的打开，且电脑会进行语音播报。

常见问题与解答
1、按空格后没有反应

请注意逐一进行排查：
1、特征分类是否训练好，点击返回的结果是否正确？
2、如果特征分类结果是正确的，请检查Microbit串口是否已经连接了（是否已经恢复过固件），可以点击Microbit点阵表情显示，如果点阵有反应，则证明正常。
3、以上都正确，那么可能是舵机没接正确，或者 Robotbit的电源没有打开。