研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

云栖号资讯:【点击检查更多职业资讯】
在这里您能够找到不同职业的第一手的上云资讯,还在等什么,快来!

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

在韩国最受欢迎的外卖食物是什么?

答案毋庸置疑,一定是炸鸡!

依据韩国外卖订货软件发布的的统计数据显现,炸鸡本年再次中选韩国“最受欢迎的外卖食物”,从2014年起就一向霸占着冠军宝座,几乎是小食界难以跨越的顶峰。

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

无独有偶,在美国,炸鸡文明也长盛不衰,肯德基双层炸鸡堡仅有不限供给的区域便是美国。依据前德州监狱后厨Brian D.Price回想,“70%的罪犯终究一餐都会要求吃油炸食物”。

那么,炸鸡和TensorFlow两者结合,你又能想到什么?

最近,日本一个机器人公司RT CORPORATION开发了一个叫Foodly的机器人,机器人上装备的图画辨认体系便是用的TensorFlow,Foodly不仅能精确辨认单块和多块炸鸡,还能将刚出锅随意摆放的炸鸡块规整地放在便利盒内。

为了完结这个辨认功用,研讨团队也很拼,每天在实验室现炸鸡块,炸累了点炸鸡外卖,几乎便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利工厂不能大范围复工的现状,从下图中能够看到,Foodly的巨细和与成人相似,能在便利工厂的出产线上与人并排作业。

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

能看不能吃,TensorFlow都要馋哭了!

提到这,掐指算算,现已有多久没吃过炸鸡了?无妨咽下口水,先和文摘菌一同就着这篇文章“望梅止渴”一下,正午就去热情下单炸鸡外卖吧!

为了研制Foodly,他们活生生把公司搞成了炸鸡加盟店

尽管好吃又馋人,但是炸鸡块在图画辨认界可没那么招人待见。

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,更甭说要在炸鸡堆中精确区别每块炸鸡的鸿沟,这些都是图画辨认研讨者们心里回绝炸鸡的原因。

据闻,坊间流传着这么一个说法:炸鸡块是图画辨认最难跨越的顶峰。

但是现在有了Foodly,再难的炸鸡辨认都是小菜一碟!辨认作用如下图所示:

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

整堆炸鸡块被辨认成一个全体

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

每一块炸鸡块被独自辨认

据研讨者泄漏,之前尝试过其他的机器学习结构,但看到有人运用TensorFlow成功对猫的相片进行分类后,就按捺不住心里的躁动了。

光想不做可不行,紧接着,研讨团队对CNN的相关论文进行了阅览和学习,并进行了进一步的物体检测。

那时正好是初代Foodly发布初期,在对体系前期体现适当满足的情况下,研讨者们拿出究极兵器——炸鸡,能够看到,初代体系能够将图画的一部分切成矩形,然后以矩形为单位对炸鸡块进行辨认。

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

尽管初代体系的体现就现已很不错了,但是研讨团队表明还存在许多缺乏,比方辨认时刻太慢,辨认一块炸鸡要一分钟左右,一分钟炸鸡骨头都被吸干了还辨认个啥!再比方,初代体系还只能辨认单块炸鸡,成堆的炸鸡辨认还有待进一步地改善。

一起,为了养活这么一个体系,可真是“难哭”了研讨团队,那个时期他们在公司现炸鸡块,炸累了点炸鸡外卖,几乎便是把公司当成了炸鸡加盟店!

当然这都不是最难的,最难的是要鄙人嘴之前先把图画数据存储下来。这么下来,他们终究搜集到了大约400~500张规范的炸鸡相片,700多张不那么规范的相片。

在那些不规范的相片中,有一些还成心拍到了人手,这也是有研讨考量的。由于人手和炸鸡成色很像,形状也像,假如体系过错地对人手进行辨认的话那可就大事不妙了。

Foodly进化史:从R-CNN发家,炸鸡块外表的凹凸纹理也不能放过

能够想见,开发Foodly可不是这么简略的事。

其实Foodly的前身还不叫Foodly,而是NEKONOTE,由一个扶手和装置在顶部的照相机组成,尽管看上去像是工业用机器人的形状,但是即便加上照相机用的结构,巨细也能控制在一个人的姿态。

2016年6月,NEKONOTE在“TensorFlow学习会”上宣布,在德国CEBIT 2017上揭露露脸。出道舞台尽管满足有重量,但仍是出师不利,当场就有不少人对NEKONOTE提出质疑,有人以为NEKONOTE只运用一只手,太可怕了,有人以为在食材正上方放置摄像头,可能会污染食物,还有人针对NEKONOTE的照相机和手臂的方位联系,指出手臂的摇摆可能会影响到视野和辨认作用。

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

CEBIT 2017上展出的NEKONOTE

归纳了这些提议之后,研讨者以为,或许应该把它规划成人型,所以NEKONOTE就摇身一变,变成了现在的Foodly。

当然这个进程可不仅仅外观的改动,晋级归来的Foodly不仅能辨认单块炸鸡,还能从堆积的炸鸡中检测出每一块炸鸡。

辨认作用的进步也是多方面促进的,首要辨认规范从矩形辨认变成了概括辨认,这其间首要用到的便是从R-CNN开展而来的Mask R-CNN技能,其次,Foodly运用了能够辨认炸鸡纹理的深度摄像机,炸鸡块外表的凹凸纹理也作为特征被引进了深度学习,进步了辨认精度。

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

依据深度摄像机供给的印象学习凹凸特征

几代体系迭代开展下来,研讨者总结了用TensorFlow进行炸鸡辨认的心得,汇总成了下面这张从理论学习到推论的流程图:

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

首要是制造监督数据集的阶段。用坐落Foodly头部的深浅相机拍照色彩和深浅的图画(RGB-D图画),然后将其放入个人电脑进行标示,指定炸鸡块的方位。在标示上,团队也制造了专门的东西使其尽可能的自动化。

在接下来的学习阶段,以既有的揭露练习效果模型为根底,经过TensorFlow进行搬运学习,制造食材检测用的模型。搬运学习的引进也让几百张的图画作业量锐减到了几十张。

但是,既有的练习效果的模型只能输入RGB的3个通道,为了能够对应RGB-D图画,需求将输入层变更为4个通道才干进行再学习。

终究,把做好的模型搬运到机器人上,就能够检测出炸鸡块。在搭载紧缩GPU的边际的AI板Jetson TX2上履行推理进程。

趁便一提,Foodly的方针是能够直接拿到便利工厂的出产线上运用。因而,依据工厂的不同,照明的程度也不同,增加了辨认的难度。常见的对策通常是预备专用的光源,不过,Foodly在练习阶段就适用了多样的光度,因而即便没有专用的光源也能能安稳的进行辨认。

以上便是关于辨认炸鸡块的整个流程,以有用的速度检测炸鸡块,然后将其放入便利盒的操作现在现已很安稳了。公司现在也把目光对准了其他的食物,比方西红柿,比较于炸鸡,要让机器人把西红柿放入便利盒而不让其碎掉,还必须调整机器人的力度,这便是另一个需求处理的问题了。

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

RT公司:机器人是未来社会的引路者

可别再说Foodly是日本公民的脑洞发明晰。

Foodly但是瞄准了当下便利工厂人手缺乏的现状,尤其是疫情之下,为了下降感染危险,Foodly能够代替人参加出产线,并且,体现不比人差。

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

考虑到大多数便利工厂的作业场所都是在60~90cm的空间内,现在工业机器人还有几方面问题需求要点考虑:硬件上期望即便有人不可避免地碰撞到Foodly也不形成擦伤,软件上,即便在没有预设的情况下,也能正常辨认,除此之外,便利工厂流水线的菜单每小时会改动2~3次,便利盒尺度存在差异,活动速度也有不同等等。

这些不确定要素在Foodly面前全都方便的解决,并且,Foodly操作也非常简略,不需求专家进行任何杂乱的装置和调整,立刻就能上工,能够说是工厂福音了。

猎奇之下,文摘菌还去查了查开发Foodly的公司究竟是什么来头,成果发现,这家叫做RT CORPORATION的公司彻底便是一个机器人迷公司嘛!

先不说公司的理念是“life with robot”,公司姓名RT是Robot Technology的缩写,公司的兔子logo来历参阅了《爱丽丝梦游仙界》,官网介绍道,在小说中,兔子是爱丽丝抵达仙界的引路人,与此相对应的,在实际中,机器人便是未来日子的引导者。

除了有用机器人如Foodly的开发,RT公司也对机器人工程的教育事业非常重视。

公司以为,在现在和未来,培育优异的机器人工程师都将是重要的社会任务。RT公司从硬件和软件等多个视点供给产品和服务,为培育有用型机器人工程师做足了功课。

作为教育作业的一部分,公司将供给自主研制安装的机器人用于学习和参阅,一起,在这些机器人的协助下,公司有才能举行研讨会等学习活动,为更多的人供给学习时机。

研究室秒变后厨,TensorFlow被馋哭!日本团队用深度学习辨认炸鸡,救急便利工厂

现在,机器人在社会日子中扮演着越来越重要的人物,工厂流水线上运转的大型工业机器人不断开展,家用小型机器人相同不断演变着,机器人现已到了能够与人协作、并肩作战的阶段。

信任机器人引领咱们前往的未来不会太悠远。

【云栖号在线讲堂】每天都有产品技能专家共享!
课程地址:https://yqh.aliyun.com/zhibo

当即参加社群,与专家面对面,及时了解课程最新动态!
【云栖号在线讲堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时刻:2020-04-20
本文作者:李欣月、刘俊寰
本文来自:“大数据文摘大众号”,了解相关信息能够重视“大数据文摘”