【CAVEDU講堂】LinkIt 7697 也能玩AI圖像辨識

作者/圖片來源:CAVEDU 教育團隊

 

想要體驗AI互動裝置,但卻只有LinkIt 7697單晶片的模組時要如何實現呢? 本篇文章是透過電腦執行圖像辨識後,藉由USB線傳電腦指令給LinkIt7697來進行腳位控制。

材料表

電腦和LinkIt 7697接線圖

本篇文章分成五個部分,才可實現本專題:

  1. 在網站上Teachable Machine上收集資料、訓練及推論,推論後下載檔案至電腦。
  2. 在電腦控制端安裝人工智慧環境建置。
  3. 設計外殼來固定LinkIt 7697、伺服機SG90和三色LED。
  4. LinkIt 7697接上伺服機SG90和三色LED腳位,並貼上要辨識的物品標籤。
  5. 上傳LinkIt 7697受控端的Arduino程式,並執行電腦的圖像辨識程式。

第一步:在網站上Teachable Machine上收集資料、訓練及推論,推論後下載檔案至電腦。

先在電腦的C槽根目錄建立名為testAI的資料夾,爾後的程式都需下載到此資料夾中。

建立testAI的資料夾

本專題的要辨識的類別有四個,優酪乳(Yogurt)、品客(Pringles)、玩具(TOY)及一種反指標其他(Other),需將這四種類別分別上傳至Teachable Machine網站上做訓練,之後將模型檔及標籤檔下載電腦資料夾,而在Teachable Machine網站收集資料、訓練、即時推論及下載檔案相關教學可參考部落格教學文[1]。

收集圖片至Teachable Machine,如下圖所示:

優酪乳(Yogurt)

品客(Pringles)

玩具(TOY)

四個類別上傳至Teachable Machine網站

下載並解壓縮模型檔及標籤檔至電腦

當然讀者也可以找三種不同特徵的物品來做訓練。

第二步:在電腦控制端安裝人工智慧環境建置(若已安裝則可以跳過)。

此步驟非常重要,因為圖像辨識的程式是在電腦端執行邊緣運算的,需在電腦端安裝Anaconda 軟體及執行AI程式的相關套件,有關電腦的環境建置安裝步驟請參考此部落格[2]。

第三步:設計外殼來固定LinkIt 7697、伺服機SG90和三色LED。

本專案之外殼是利用3mm的白色透明壓克力板雷射切割出來的,想要雷切檔可以來信到機器人王國商城[3]。 若不想做雷切檔外殼,亦可以找紙盒裁切,將LinkIt 7697、伺服機SG90和三色LED固定住,如下圖所示。

第一代紙盒版LinkIt 7697分類器

第四步:LinkIt 7697接上伺服機SG90和三色LED腳位,並貼上要辨識的物品標籤。

  • 將伺服機SG90和三色LED接上LinkIt 7697擴充板上

接下來是設計LinkIt 7697的I/O控制,請將伺服機SG90和三色LED接到LinkIt 7697 NANO擴充板的腳位上,如下圖所示。

擴充板接上伺服機SG90和三色LED

  • 設定伺服機SG90的角度,和貼上類別標籤

本專題將四個類別對應不同角度,利用標籤紙貼在外殼上,已本專題為例,如下圖/表所示

伺服機角度設計圖

  • 標籤的順序及角度是可以改變的

第五步:上傳LinkIt 7697受控端的Arduino程式,並執行電腦的圖像辨識程式。

  • 首先要下載電腦執行圖形辨識的Python檔案及Arduino程式,到testAI資料夾

下載檔案的網址見[4],並解壓縮AI_7697資料夾 *注意:解壓縮時請注意,AI_7697資料夾只需包一層就好

下載檔案之路徑圖

  • 確定LinkIt 7697的序列埠USB號碼

將LinkIt 7697 USB插入電腦後,開啟裝置管理員連接埠的COM和LPT看號碼

查看COM號碼

本專案的序列埠號碼為COM3,之後燒錄Arduino程式及執行圖像辨識程式會用到。

  • 上傳Arduino程式,開啟SERVO_LED_SERIAL.ino 程式並燒錄到LinkIt 7697

燒錄程式至LinkIt 7697

  • 執行電腦的圖像辨識程式
  • 需開啟Anaconda Prompt(testAI) 視窗

開啟Anaconda Prompt(testAI) 視窗

  • 輸入 cd \testAI\AI_7697

輸入移動資料夾指令

  • 輸入python TM2_UART_tflite.py –model model.tflite –labels labels.txt –com3

輸入執行圖像辨識程式指令

  • 成功開出攝影機的畫面

成功開出攝影機辨識畫面

  • 成功執行畫面

同時伺服機SG90會轉動,三色LED燈號會亮起,即專案成功執行。 [補充]如何換類別後也可以達到一樣的效果,和程式說明。

  • 改寫Python類別程式

請開啟TM2_UART_tflite.py和labels.txt對照

TM2_UART_tflite.py和labels.txt對照圖

若讀者換了別的物品辨識的話,下載下來的labels.txt也會不同,在下段的TM2_UART_tflite.py程式中,的第1行、第5行、第9行、第13行需改成和labels.txt的相同名稱Python程式片段說明:

延伸閱讀

[1] 在Teachable Machine網站收集資料、訓練、即時推論及下載檔案至電腦步驟:https://blog.cavedu.com/2020/11/26/google-teachable-machine-raspberry-pi-4/

[2]在電腦中安裝人工智慧環境建置:https://blog.cavedu.com/2018/09/28/general_env_setup_anaconda_tensorflow_keras_opencv/

[3]機器人王國信箱:service@robotkingdom.com.tw

[4]下載本專題程式連結:https://pse.is/38mrnh

(本文經CAVEDU同意轉載,原文連結;責任編輯:謝涵如)

CAVEDU 教育團隊

Author: CAVEDU 教育團隊

CAVEDU 教育團隊是由一群對教育充滿熱情的大孩子所組成的機器人科學教育團隊。致力推動國內機器人教育。

Share This Post On

發表

跳至工具列