資源簡(jiǎn)介

智能作品分享——電動(dòng)車禁入電梯警示器
電動(dòng)車禁入電梯警示器，是一個(gè)基于視覺(jué)識(shí)別技術(shù)的智能創(chuàng)意作品。作品使用K210開(kāi)發(fā)板、攝像頭模組及相關(guān)模塊，結(jié)合激光切割技術(shù)制作完成。 作品關(guān)注社會(huì)熱點(diǎn)問(wèn)題，通過(guò)對(duì)攝像頭捕捉到的圖像進(jìn)行分析，運(yùn)用智能算法識(shí)別出電動(dòng)車，并通過(guò)燈光和語(yǔ)音進(jìn)行警示，從而預(yù)防因電動(dòng)車進(jìn)入電梯引起的一些事故發(fā)生，為社區(qū)群眾乘坐電梯的安全保駕護(hù)航。作品硬件簡(jiǎn)單、成本低、性價(jià)比高，適合在電梯中安裝。 該作品獲2021年廣東省中小學(xué)勞動(dòng)教育暨信息素養(yǎng)提升實(shí)踐活動(dòng)人工智能項(xiàng)目一等獎(jiǎng)；第二十二屆全國(guó)學(xué)生信息素養(yǎng)提升實(shí)踐活動(dòng)人工智能項(xiàng)目參與獎(jiǎng)；第三屆國(guó)際青少年人工智能交流展示活動(dòng)一等獎(jiǎng)。 作者麥振鴻來(lái)自廣東省佛山市南海區(qū)丹灶鎮(zhèn)中心小學(xué)。輔導(dǎo)教師謝銳生，現(xiàn)任教于廣東省佛山市南海區(qū)丹灶鎮(zhèn)醒華小學(xué)，是丹灶鎮(zhèn)人工智能教育領(lǐng)航工作室主持人。謝老師精通數(shù)學(xué)、編程與人工智能技術(shù)，輔導(dǎo)學(xué)生在創(chuàng)意編程、創(chuàng)客、人工智能等比賽中獲國(guó)一、省一等多個(gè)獎(jiǎng)項(xiàng)。
以下內(nèi)容根據(jù)作者參賽時(shí)提交的資料進(jìn)行了刪減和整理。
[創(chuàng)意來(lái)源]
近年來(lái)，電動(dòng)車因其環(huán)保、輕便、價(jià)格實(shí)惠等優(yōu)點(diǎn)成為了我們常用的代步工具。少部分群眾因電動(dòng)車防盜、充電等問(wèn)題，將車推入電梯、騎回家中。同時(shí)，電動(dòng)車在電梯內(nèi)自燃的事故也時(shí)有發(fā)生，這些事件引起了大家的廣泛關(guān)注，很多人意識(shí)到電動(dòng)車進(jìn)入電梯的危險(xiǎn)性，各地也紛紛出臺(tái)了相關(guān)規(guī)定禁止電動(dòng)車進(jìn)入電梯。然而，仍有少部分人不惜以身試險(xiǎn)、不顧他人安全，堅(jiān)持把電動(dòng)車推入電梯。大部分小區(qū)都不具備安排專人全天在電梯口進(jìn)行駐守的條件，因此，采用必要的技術(shù)手段對(duì)此行為進(jìn)行警示非常必要。
[制作過(guò)程]
本作品實(shí)現(xiàn)的功能如下：
⑴圖像識(shí)別。對(duì)進(jìn)入電梯的人和物體進(jìn)行識(shí)別，并篩選出目標(biāo)對(duì)象電動(dòng)車。
⑵語(yǔ)音提示。當(dāng)有電動(dòng)車進(jìn)入電梯時(shí)，通過(guò)亮紅燈和提示語(yǔ)音進(jìn)行警示。
第一步：數(shù)據(jù)采集。選取5 種不同的電動(dòng)車，在電梯實(shí)景拍攝電動(dòng)車進(jìn)入電梯的視頻，每種電動(dòng)車從不同角度、不同的時(shí)間段拍攝多段視頻，讓采集的數(shù)據(jù)與實(shí)際應(yīng)用場(chǎng)景相吻合，提高應(yīng)用的準(zhǔn)確度。
第二步：圖片數(shù)據(jù)處理。從視頻中每秒截取3張圖片，每種電動(dòng)車截取約50張圖片。將圖片尺寸調(diào)整為224×224大小，為之后模型訓(xùn)練提高速度和準(zhǔn)確度打好基礎(chǔ)。
第三步：使用labelImg軟件對(duì)圖片進(jìn)行目標(biāo)標(biāo)注，獲得“.xml”標(biāo)注文件。
第四步：使用 Mx-yolo軟件進(jìn)行數(shù)據(jù)訓(xùn)練。在軟件中設(shè)置好訓(xùn)練的epoch、圖片地址、標(biāo)簽地址，通過(guò)標(biāo)簽自動(dòng)提取種類的名稱、計(jì)算錨點(diǎn)，生成模型文件。利用 yolo2 算法，我們分別訓(xùn)練了 25epoch、60epoch和 80epoch三個(gè)模型。
第五步：模型測(cè)試。測(cè)試得出不同epoch模型的準(zhǔn)確率，改善程序，完善應(yīng)用功能。通過(guò)比較，訓(xùn)練了 80epoch的模型準(zhǔn)確率相對(duì)較高。
第六步：轉(zhuǎn)換模型。將MX-yolo訓(xùn)練得到的模型進(jìn)行轉(zhuǎn)換，得到適合在K210上布署的“.kmodel”文件。
第七步：將模型和程序上傳到開(kāi)發(fā)板上，并設(shè)計(jì)外殼對(duì)作品進(jìn)行封裝，完成制作。
[后記](méi)
由于模型訓(xùn)練的數(shù)量集包含的電動(dòng)車種類、圖片數(shù)量較少，在作品的實(shí)地測(cè)試中，識(shí)別的準(zhǔn)確率達(dá)到了90%左右。通過(guò)采集更多種類和數(shù)量的圖片，準(zhǔn)確率還有進(jìn)一步提高的空間。目前，作品只能對(duì)帶電動(dòng)車進(jìn)入電梯的行為進(jìn)行警示，后期我們將對(duì)作品繼續(xù)改進(jìn)。如果能與電梯控制系統(tǒng)配合，當(dāng)有電動(dòng)車進(jìn)入電梯時(shí)電梯暫停運(yùn)行，直到用戶把電動(dòng)車推出電梯才恢復(fù)正常，這樣就可以最大限度杜絕此類事件的發(fā)生。

展開(kāi)更多......

收起↑