bAIwatch、深度学习和冲浪开源硬件

描述

你好！

在本教程中，我将向您展示我是如何制作 bAIwatch 的。该设备能够连接到位于我通常去冲浪的海滩上的网络摄像头，同时它会评估海浪的状态并让我知道，由于螺线管的振动，什么时候条件好可以离开一切，带上冲浪板去冲浪吧！

第 1 步：下载图像。

该项目基于图像分类器。第一步是收集大量现场照片，目的是收集各种可能情况的图像：晴天、阴天、大雨天、小雨天……

为此，我在 Google Colab 上使用了下面的笔记本（代码部分的图片下载器）（我已经更改了脚本的目标网络摄像头 url）。在这种情况下，我使用 urllib 将 .jpg 文件直接下载到 Google Drive - 对于其他网络摄像头配置，您可能必须使用 Selenium-。

第 2 步：准备数据

收集数据后，我制作了另一个脚本（代码部分的imageClassificator ）来进行手动分类以准备数据集。

我做了三类：

1- 良好的波浪，所有图像都具有可接受的波浪。

2- 糟糕的海浪，平静的大海和破碎的大海的照片都无法让我冲浪。

3- 丢弃所有未指向我要分析的海滩位置的照片（因为它们指向海滩上的另一个地方，停车场......无论如何）。

第 3 步：评估 CNN

一旦我下载了这 3 个类别的所有图像，我就开始训练 AI。为此，我使用了这个笔记本作为指南查看结果：

 

 

第4步：组装它。

 

 

 

 

1 / 2 •酷波箱。

 

之后，我只是把它放在树莓派 3 中。在这里你可以找到安装 tensorflow 2.2 的指南。

https://github.com/sagarrabanana/Install-OpenCV-and-TF-2.2.0-on-RPi-3

请记住，在训练 AI 之前，您必须在 Google Colab 上降级 tensorflow 的版本。

在这里，您有我为覆盆子制作的改编代码（代码部分的mainScript ）。您必须将 RP 配置为在 RP 开启时自动运行此脚本。

我还做了一个很酷的盒子，把里面的所有东西都组装好了。

这里有模式。

架构

 

我希望你喜欢这个项目！这可能不是最好的文档，但我认为如果您尝试复制它，它会非常方便。

当然，您可以联系我获取更多信息！