首页 科技正文

南通人才网:「鸡不能失」?日本团队研究用深度学习辨识炸鸡,天天在研究室现炸鸡块,炸累了就叫外卖

admin 科技 2020-04-26 49 0

由RT Co.,Ltd .所开发的Foodly是一个人形机械人,可以拾取并具有图像辨识的功效可以为便当配菜。该机械人约莫只有一个小成年人的巨细,可以和便当工厂运送机上的事情人员并肩事情。





在韩国最受迎接的外卖食物是什么?



谜底毋庸置疑,一定是炸鸡!



凭据韩国外卖订购软体宣布的的统计数据显示,炸鸡今年再次当选韩国「最受迎接的外卖食物」,从2014年起就一直占领著冠军宝座,简直是小食界难以踰越的岑岭。



无独有偶,在美国,炸鸡文化也长盛不衰,肯德基双层炸鸡堡唯一不限供应的区域就是美国。凭据前德州牢狱后厨Brian D.Price回忆,「70%的囚犯最后一餐都市要求吃油炸食物」。



那么,炸鸡和TensorFlow两者连系,你又能想到什么?



最近,日本一个机械人公司RT CORPORATION开发了一个叫Foodly的机械人,机械人上设置的图像辨识系统就是用的TensorFlow,Foodly不仅能准确辨识单块和多块炸鸡,还能将刚出锅随意摆放的炸鸡块整齐地放在便当盒内。



为了完成这个辨识功效,研究团队也很拼,天天在实验室现炸鸡块,炸累了点炸鸡外卖,简直就是变成了炸鸡加盟店!



Foodly的开发也很好地贴合了疫情当下便当工厂不能大范围复工的现状,从下图中可以看到,Foodly的巨细和与成人类似,能在便当工厂的生产线上与人并排事情。





为了研发Foodly,他们活生生把公司搞成了炸鸡加盟店

虽然好吃又诱人,然则炸鸡块在图像辨识界可没那么让人喜欢。



炸鸡爱好者们都知道,你徒手拿起的每块炸鸡形状是何其相似,更别说要在炸鸡堆中准确区分每块炸鸡的界限,这些都是图像辨识研究者们心里拒绝炸鸡的缘故原由。



据闻,坊间流传着这么一个说法:炸鸡块是图像辨识最难踰越的岑岭。



然则现在有了Foodly,再难的炸鸡辨识都是小菜一碟!辨识效果如下图所示:



整堆炸鸡块被辨识成一个整体



每一块炸鸡块被单独辨识



据研究者透露,之前尝试过其他的机械学习框架,但看到有人行使TensorFlow乐成对猫的照片举行分类后,就按捺不住心里的躁动了。



光想不做可不行,紧接着,研究团队对CNN的相关论文举行了阅读和学习,并举行了进一步的物体检测。



那时正好是第一代Foodly公布初期,在对系统前期显示相当满足的情况下,研究者们拿出究极武器——炸鸡,可以看到,初代系统能够将图像的一部分切成矩形,然后以矩形为单元对炸鸡块举行辨识。





虽然初代系统的显示就已经很不错了,然则研究团队示意还存在许多不足,好比辨识时间太慢,辨识一块炸鸡要一分钟左右,一分钟炸鸡骨头都被吸干了还辨识个什么啊!再好比,初代系统还只能辨识单块炸鸡,成堆的炸鸡辨识另有待进一步地改善。



同时,为了养活这么一个系统,可真是难倒了研究团队,谁人时期他们天天在公司现炸鸡块,炸累了就叫外卖的炸鸡,简直就是把公司当成了炸鸡加盟店!



固然这都不是最难的,最难的是要在吃掉之前先把图像数据存储下来。这么下来,他们最终网络到了也许400~500张可以用的炸鸡照片,700多张不那么尺度的照片。



在那些不尺度的照片中,有一些另有意拍到了人手,这也是有研究考量的。由于人手和炸鸡成色很像,形状也像,若是系统错误地对人手举行辨识的话那可就大事不妙了。



Foodly进化史:从R-CNN起身,炸鸡块外面的凹凸纹路也不能放过

可以想见,开发Foodly可不是这么简朴的事。



实在Foodly的前身还不叫Foodly,而是NEKONOTE,由一个扶手和安装在顶部的照相机组成,虽然看上去像是工业用机械人的形状,然则纵然加上照相机用的框架,巨细也能控制在一个人的样子。



2016年6月,NEKONOTE在「TensorFlow学习会」上揭晓,在德国CEBIT 2017上公然亮相。出道舞台虽然足够有份量,但照样出师不利,就地就有不少人对NEKONOTE提出质疑,有人以为NEKONOTE只使用一只手,太可怕了,有人以为在食材正上方放置摄影镜头,可能会污染食物,另有人针对NEKONOTE的照相机和手臂的位置关系,指出手臂的摆动可能会影响到视线和辨识效果。



CEBIT 2017上展出的NEKONOTE



综合了这些提议之后,研究者以为,或许应该把它设计成人型,于是NEKONOTE就摇身一变,变成了现在的Foodly。



固然这个历程可不只是外观的转变,升级归来的Foodly不仅能辨识单块炸鸡,还能从聚积的炸鸡中检测出每一块炸鸡。



辨识效果的提高也是多方面促成的,首先辨识尺度从矩形辨识变成了轮廓辨识,这其中主要用到的就是从R-CNN生长而来的Mask R-CNN手艺,其次,Foodly使用了可以辨识炸鸡纹路的深度摄影机,炸鸡块外面的凹凸纹路也作为特征被引入了深度学习,提高了辨识精度。



凭据深度摄影机提供的影像学习凹凸特征



几代系统迭代生长下来,研究者总结了用TensorFlow举行炸鸡辨识的心得,汇总成了下面这张从理论学习到推论的流程图:





首先是制作监视数据集的阶段。用位于Foodly头部的深浅相机拍摄颜色和深浅的图像(RGB-D图像),然后将其放入个人电脑举行标注,指定炸鸡块的位置。在标注上,团队也制作了专门的工具使其尽可能的自动化。



在接下来的学习阶段,以既有的公然训练功效模子为基础,通过TensorFlow举行转移学习,制作食材检测用的模子。转移学习的引入也让几百张的图像事情量锐减到了几十张。



然则,既有的训练功效的模子只能输入RGB的3个通道,为了能够对应RGB-D图像,需要将输入层变更为4个通道才气举行再学习。



最后,把做好的模子转移到机械人上,就可以检测出炸鸡块。在搭载压缩GPU的边缘的AI板Jetson TX2上执行推理历程。



顺便一提,Foodly的目的是可以直接拿到便当工厂的生产线上使用。因此,凭据工厂的差别,照明的水平也差别,增加了辨识的难度。常见的对策通常是准备专用的光源,不外,Foodly在训练阶段就适用了多样的光度,因此纵然没有专用的光源也能能稳固的举行辨识。



以上就是关于辨识炸鸡块的整个流程,以适用的速率检测炸鸡块,然后将其放入便当盒的操作现在已经很稳固了。公司现在也把目光瞄准了其他的食物,好比番茄,相比于炸鸡,要让机械人把番茄放入便当盒而不让其碎掉,还必须调整机械人的力度,这就是另一个需要解决的问题了。



RT公司:机械人是未来社会的引路者

可别再说Foodly是日本人民的脑洞发明晰。



Foodly可是瞄准了当下便当工厂人手不足的现状,尤其是疫情之下,为了降低熏染风险,Foodly可以代替人加入生产线,而且,显示不比人差。





思量到大多数便当工厂的事情场所都是在60~90cm的空间内,现在工业机械人另有几方面问题需要重点思量:硬体上希望纵然有人不可避免地碰撞到Foodly也不造成擦伤,软体上,纵然在没有预设的情况下,也能正常辨识,除此之外,便当工厂流水线的菜单每小时会改变2~3次,便当盒尺寸存在差异,流动速率也有差别等等。



这些不确定因素在Foodly眼前全都迎刃而解,而且,Foodly操作也十分简朴,不需要专家举行任何庞大的安装和调整,马上就能上工,可以说是工厂福音了。



那么开发Foodly的公司到底是什么来头,效果发现,这家叫做RT CORPORATION的公司完全就是一个机械人迷公司嘛!



先不说公司的理念是「life with robot」,公司名字RT是Robot Technology的缩写,公司的兔子logo泉源参考了《爱丽丝梦游瑶池》,官网先容道,在小说中,兔子是爱丽丝抵达瑶池的引路人,与此相对应的,在现实中,机械人就是未来生涯的引导者。



Robot Technology



 



除了适用机械人如Foodly的开发,RT公司也对机械人工程的教育事业十分关注。



公司以为,在现在和未来,培育优异的机械人工程师都将是主要的社会使命。RT公司从硬体和软体等多个角度提供产物和服务,为培育适用型机械人工程师做足了作业。



作为教育事情的一部分,公司将提供自主研发装配的机械人用于学习和参考,同时,在这些机械人的辅助下,公司有能力举行研讨会等学习流动,为更多的人提供学习机遇。





现在,机械人在社会生涯中扮演着越来越主要的角色,工厂流水线上运行的大型工业机械人不停生长,家用小型机械人同样不停演变着,机械人已经到了能够与人互助、并肩作战的阶段。



信赖机械人引领我们前往的未来不会太遥远。



  • 资料泉源:TensorFlow 事例: から扬げを熟悉して弁当箱に入れる Foodly 
  • 本文授权转载自信数据文摘

Shares



Facebook LINE,

Sunbet

www.ipvps.cn信誉来自于每一位客户的口碑,Sunbet携手江苏安腾科技有限公将致力服务好每位Sunbet会员。!

版权声明

本文仅代表作者观点,
不代表本站dafa888的立场。
本文系作者授权发表,未经许可,不得转载。

评论