基于行空板的CNN货物识别系统 简单

科技的发展使得自动化和智能化成为现代物流、仓储和零售业的重要趋势。而无人驾驶小车和货物识别技术的应用也得到了更加广泛地关注。而货物识别技术就可以帮助小车识别和处理不同的货物，进一步提升自动化和智能化的水平。

本项目将使用行空板和USB摄像头，设计一个可以识别鞋子、纸箱以及瓶子的货物识别系统。

任务目标

当摄像头识别到鞋子、纸箱、瓶子这几个物体时，将对应的货物名称在Mind+终端打印出来。

材料清单

硬件清单：

软件使用：Mind+编程软件 x1

下载地址：https://mindplus.cc/

接下来我们将通过采集、训练以及识别三个过程，逐步体验CNN的货物识别实现过程。

任务一：采集物体图像

1. 硬件连接

将USB摄像头连接到行空板上，如下图。硬件连接成功后，使用USB线将行空板连接到计算机。

2. 软件准备

（1）添加官方库：点击“扩展”，在“官方库”中，选择“行空板”与“Opencv”。

（2）添加用户库：选择“numpy”、“opencv_maxbot”、“maxbot神经网络”。

注意：numpy”、“opencv_maxbot”和“maxbot神经网络”的查找，只需要在检索框中输入下列链接，然后点击完成加载。

numpy : https://gitee.com/kiki12345/maxbot_numpy

opencv_maxbot: https://gitee.com/kiki12345/maxbot_opencv

maxbot神经网络: https://gitee.com/kiki12345/maxbot_cnn

3. 编写程序

这个任务中，主要是使用USB摄像头，对货物卡纸进行图片拍照。拍好的图片，需要使用“创建文件夹 来保存数据”指令，来对拍好的图片进行保存。使用时填好要保存的路径，也可以用变量保存路径，然后再使用。

注意：文件路径是文本型，所以路径需要放到“文本 ”指令中。

然后，设置摄像画面。打开摄像头，并设置摄像头画面全部显示（全屏）。

接下来，使用“从VideoCapture对象vd中抓取下一帧grab以及状态ret”指令，从捕获的视频流中抓取一帧图像。

图像捕获成功后，使用“获取图片 的高h 宽w 通道数c”指令，获取帧的形状，以便计算裁剪区域。

如何才能计算出裁剪区域的起点坐标和终点坐标呢？上一步我们已经获取了图片的高（h）和宽（w），要从图片中心裁剪出一个正方形区域。因此，要裁剪的正方形边长已经等于图像的高度（h）。

图像起始坐标x，就为（w-h）//2。新建“变量start_x”，并将变量start_x的值赋值为（w-h）//2。

图像起始坐标y，就为（h-h）//2。新建“变量start_y”，并将变量start_y的值赋值为（h-h）//2。

而终点坐标变量end_x，变量end_y，只需要在起点坐标（start_x，start_y）的基础上加一个高h就可以了。

然后，使用“对象 调整图像 大小为 ”指令，将图像frame根据计算好的坐标进行裁剪。将裁剪后的图像重新命名为crop_frame，图像裁剪的大小为[start_y:end_y, start_x:end_x]。

使用“显示图像 到窗口”指令，将裁剪后的图像显示在行空板屏幕上。但是，我们希望在行空板上看到的图像是镜像的，所以在显示图像指令前，使用“对象名 将图像 水平翻转”指令，对图像进行水平翻转后再显示。要让摄像头的图像是实时的视频流，使用“每 毫秒刷新图像”指令，每隔1毫秒刷新一次图像。

按下A按键，开始保存图片。通过条件语句“如果……那么执行”指令，对“按钮A被按下？”指令进行判断，如果条件为真，将“对象名 用opencv将图像 剪裁为宽 高 ”指令放到该指令中。然后，将图像crop_frame裁剪为宽96，高96的图片，并将裁剪后的图片重新创建一个对象名resized_frame。

注意：“对象名 用opencv将图像 剪裁为宽 高 ”指令，是指对图像进行缩放。其中宽96和高96，是将图像缩放到96*96像素，96*96这个尺寸是经常被用于机器学习和深度学习模型的尺寸。

图像缩放后，就需要对图像文件进行保存了。图片保存的格式为“xx.jpg”，保存路径为“/root/data/shoe”，并将路径保存起来，用于给采集的图片命名。

最后，在Mind+终端增加一些文字提示并将采集图片名显示在行空板屏幕上，完整程序如下：

4. 程序运行

连接行空板成功后，点击运行。程序运行成功后，Mind+终端打印区出现提示“按下A键开始图像数据采集”。图像数据采集操作如下：将USB摄像头，对着货物卡纸鞋子，行空板上出现鞋子的图像后，按下A键不松手，可快速采集图像数据。直到采集到大约500张图像数据后，松开按键。

注意：采集图像过程中，需要调整摄像头角度，多角度采集物体图像，可以提高识别率。

5. 试一试

大家还可以尝试采集更多种类的货物图片，比如瓶子和纸箱的图片（bottle、box）。

提示：任务一的程序中修改file_name中的文件名，再次运行程序后，进行对应的图像采集即可。

任务二：训练物体识别模型

1. 编写程序

要完成物体识别模型的训练，需要用的卷积神经网络算法，程序主要通过以下6个步骤来完成：导入数据集、数据预处理、创建神经网络、训练模型、评估模型、保存模型。

(1) 导入数据集

采集好的图片保存在路径“/root/data”这个文件夹中，新建“变量dataset_path”，并初始化变量的值为文本型的“/root/data”。然后，我们可以将要识别的货物，按照采集顺序（即为保存并排序后的图片文件夹顺序）写入列表变量，如下图中的列表["bottle","box", "shoe"]。

(2) 数据预处理

这个项目中，要用到numpy库和TensorFlow库，来完成数据集的划分。一般数据集分为用于训练的训练集和用于测试模型效果的验证集。实现过程是：首先进行模块初始化，然后划分数据集并创建模型，完整的程序如下图所示。

(3) 创建神经网络

下面，就可以开始构建卷积神经网络模型了，一个卷积神经网络模型，需要包含多个卷积层、最大池化层和全连接层。添加卷积层，使用“为模型 添加 层”指令。

然后，使用“卷积层，卷积核数量 激活函数为 ，输入数据格式 层”指令，对输入的图片数据进行卷积操作，以从局部区域中提取特征。其中，选择卷积核数量32，表示卷积层的滤波器数量，也就是卷积后得到的特征图数量。激活函数为relu，输入数据格式为（32x32x1）。

使用“为模型 添加 层”指令与“池化层”指令，对卷积层进行池化操作，减小特征图的空间维度，保留最重要的特征。

重复添加第二个卷积层和池化层，修改卷积层的卷积和数量为64，激活函数为relu，输入格式为none。

添加第三个卷积层和池化层，修改卷层的卷积核数量为128，激活函数为relu，输入格式为none。

接下来使用“为模型 添加 层”指令和“展平层”指令，添加展平层。展平层的作用是将卷积层提取的特征图展平成一个向量，为全连接层做准备。

然后，使用“为模型 添加 层”指令，和“Dense层，神经元个数为 激活函数 为 层”指令，添加一个全连接层。设置神经元个数为128，激活函数为relu。这一层的作用是连接上一层的所有神经元，实现对特征的组合和分类。

最后，使用“为模型 添加 层”指令，和“Dense层，神经元个数为 激活函数 为 层”指令，再添加一个全连接层。并修改神经元个数为“列表 变量classes 的长度”，修改激活函数为softmax。这一层的作用是将具有类别数目的classes列表，使用softmax函数进行多类别分类。

(4) 训练模型

卷积神经网络构建成功后，使用“模型 的结构”和“打印”指令，打印一下模型的结构。

(5) 评估模型

使用“设置模型 参数，优化器，损失函数，评价函数”指令，对模型进行编译，并设置优化器为“Adam”，损失函数为“CategoricalCrossentropy”，评价函数为“accuracy”。

模型编译完成后，使用“训练模型 训练数据集 训练次数 验证数据集”指令，结合刚才分好的数据集，进行模型训练。

(6) 保存模型

模型训练完成后，使用“以saved_model格式保存模型 到 ”指令，将训练好的模型保存为TensorFlow SavedModel 格式，可用于部署和后续使用。

使用“将saved_model模型 转化为ONNX模型 ”指令，将TensorFlow模型转换为ONNX格式。

最后，完整训练程序如下：

2. 程序运行

连接行空板，点击运行。直到Mind+终端打印“模型转化完成，程序终止”字符串后，模型训练完成，自动退出程序。

注意：由于要加载的图片数据比较多，整个模型训练所花的时间也比较久，需要3-5分钟左右。

在模型训练过程中，出现了“no module name ‘tf2onnx’”的报错，我们可以在终端中输入指令“pip install tf2onnx”按回车键，进行安装，安装完成后，再次运行程序即可。

任务三：货物识别

1. 编写程序

使用ONNX模型进行物体识别，需要通过模型加载和预处理、图像处理、图像预测与展示这三个步骤。

(1) 模型加载和预处理

首先，使用“初始化numpy”指令与“初始化OPENCV”指令，进行初始化操作，再加载任务二保存好的model.onnx模型。

货物类别和预测结果初始化（赋值为“none”），依然可以通过变量完成。注意类别要和训练时建立的列表顺序保持一致，如“['bottle', 'box', 'shoe']”。

(2) 图像处理

要从摄像头中读取待识别的图像，使用“对象名 初始化 号摄像头并设置帧缓冲”指令，创建一个视频捕获对象“cap”，并初始化摄像头的编号为0。使用“创建窗口winname并设置为全屏”指令，在屏幕上创建一个名为winname的窗口，并将窗口设置为全屏模式，以便将摄像头中的视频流全屏显示在行空板屏幕上。

新建“变量input_data”，并将该变量复制为“创建Numpy数组[1,2,3]”指令，初始化Numpy数组的输入数据。

接下来，就需要使用“从VideoCapture对象vd中抓取下一帧grab以及状态ret”指令，从捕获的视频流中抓取一帧图像。

抓取图片后，需要使用“如果……那么执行”指令与“逻辑运算符 =”指令，判断状态ret的值是否True（判断读取帧是否成功）。

判断条件为真时，说明成功读取了帧，使用“对象名 将图片 转换为HSV格式”指令，将摄像头捕获的图像img从BGR颜色空间转换为HSV颜色空间。

接下来，使用“对象名 提取图片 的范围内像素 范围下限 范围上限 并进行形态学去噪”指令，通过设定范围上限和范围下限的阈值，进行颜色分割，得到我们感兴趣的物体区域。范围下限与范围上限，使用“创建Numpy数组 ”指令，设置下限为“[40,50,50]”，上限为“[100,255,255]”。

图片分割成功后，使用“对象名 剪裁图像 中最大的轮廓 宽 高 并处理数组维度”指令，设置宽为32，高为32，对分割出来的区域进行轮廓检测，来定位可能的物体。

注意：设置宽为32，高为32，是因为要与模型训练的图像尺寸一致。

最后，使用“显示图片img并设置图片名称“Mind+.png””指令，将抓取的图像显示在创建的行空板窗口中，并使用“每1毫秒刷新图像”指令，不断地刷新图像，将摄像头中的视频流显示在行空板上。

(3) 图像预测与展示

模型预测前，需要使用“获取数据 的格式”指令，检查提取的图像区域是否符合模型所期望的输入形状。使用条件判断指令“如果……那么执行”，判断“获取数据 变量input_data的格式”是否为（1,32,32,1）。

注意：在条件（1,32,32,1）中，第一个1是指：单个样本；两个32分别指：高度和宽度为32像素，最后一个1是指：通道参数。

当条件为真时，说明剪裁的图像符合图像预测模型。使用“对象名 用ONNX模型 预测图片数组 ”指令，将变量input_data作为预测图片数组，加载到ONNX模型中，进行预测。

然后，使用“将预测结果 映射到分类 ”指令，从模型输出的预测结果中获取最大概率所对应的类别标签，并返回预测概率最高的类别索引，将类别名称赋值给变量predict_result。

最后，使用“打印”指令，将预测结果打印出来，完整程序如下：

2. 程序运行

连接行空板，点击运行。程序运行成功后，行空板上显示摄像头检测到的画面，当识别鞋子、纸箱、瓶子卡纸中的物体时，Mind+终端打印出货物名称。

知识园地

1. 卷积神经网络算法的训练过程

使用卷积神经网络算法训练模型，主要是为了解决物体识别问题。而训练模型程序框架大致分为6步：导入数据集、数据预处理、创建神经网络、训练模型、评估模型、保存模型。

（1）导入数据集：首先需要将准备好的用于训练的图片数据集导入。

（2）数据预处理：在训练模型之前，需要对数据进行预处理以准备好输入模型。数据预处理包括对图像进行随访、裁剪、标准化等操作，提高模型的训练效果。

（3）创建神经网络：根据识别要求，设计并创建卷积神经网络。包括合适的网络结构、确定卷积层、池化层、全连接层的数量和大小，以及选择合适的激活函数和优化算法，这个项目就是利用TensorFlow来构建模型。其中，包括3层卷积层、3层池化层、1层展平层、两层dense层。

（4）训练模型：将准备好的数据输入到神经网络模型中进行训练。通过迭代的方式，将数据输入到模型中，计算损失函数并更新模型的参数。这个过程通过多次迭代和调整参数来优化模型，使其逐渐收敛到最佳状态。其中Epoch2/3，表示在三个训练周期中的第二个周期。

（5）评估模型：使用独立的验证集或测试集对训练得到的模型进行评估。通过计算模型在验证集或测试集上的准确率、精确率、召回率等指标，来评估模型的性能和泛化能力。根据评估结果，可以调整模型的超参数或进行进一步的优化。

（6）保存模型：最后，将训练好的模型保存下来，以便后续在应用中的使用。

2. 卷积神经网络算法的实现过程

神经网络算法的实现过程如下，相比传统的机器学习算法，神经网络算法最大的优势是免去了繁琐的特征工程，由算法自动发现数据潜在特征。