描述

你好！

在本教程中，我將向您展示我是如何制作 bAIwatch 的。該設備能夠連接到位于我通常去沖浪的海灘上的網絡攝像頭，同時它會評估海浪的狀態并讓我知道，由于螺線管的振動，什么時候條件好可以離開一切，帶上沖浪板去沖浪吧！

第 1 步：下載圖像。

該項目基于圖像分類器。第一步是收集大量現場照片，目的是收集各種可能情況的圖像：晴天、陰天、大雨天、小雨天……

為此，我在 Google Colab 上使用了下面的筆記本（代碼部分的圖片下載器）（我已經更改了腳本的目標網絡攝像頭 url）。在這種情況下，我使用 urllib 將 .jpg 文件直接下載到 Google Drive - 對于其他網絡攝像頭配置，您可能必須使用 Selenium-。

第 2 步：準備數據

收集數據后，我制作了另一個腳本（代碼部分的imageClassificator ）來進行手動分類以準備數據集。

我做了三類：

1- 良好的波浪，所有圖像都具有可接受的波浪。

2- 糟糕的海浪，平靜的大海和破碎的大海的照片都無法讓我沖浪。

3- 丟棄所有未指向我要分析的海灘位置的照片（因為它們指向海灘上的另一個地方，停車場......無論如何）。

第 3 步：評估 CNN

一旦我下載了這 3 個類別的所有圖像，我就開始訓練 AI。為此，我使用了這個筆記本作為指南查看結果：

?

?

第4步：組裝它。

?

?

?

?

1 / 2 ?酷波箱。

?

之后，我只是把它放在樹莓派 3 中。在這里你可以找到安裝 tensorflow 2.2 的指南。

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

請記住，在訓練 AI 之前，您必須在 Google Colab 上降級 tensorflow 的版本。

在這里，您有我為覆盆子制作的改編代碼（代碼部分的mainScript ）。您必須將 RP 配置為在 RP 開啟時自動運行此腳本。

我還做了一個很酷的盒子，把里面的所有東西都組裝好了。

這里有模式。

架構

?

我希望你喜歡這個項目！這可能不是最好的文檔，但我認為如果您嘗試復制它，它會非常方便。

當然，您可以聯系我獲取更多信息！