基于行空板的CNN校园昆虫智能识别 简单

项目背景：在自然界中，昆虫是生物多样性的重要组成部分，它们不仅丰富了我们的生态环境，还在生态系统中扮演着至关重要的角色。然而，对于小学生而言，认识并区分不同种类的昆虫往往是一项具有挑战性的任务。传统的昆虫教学方法可能依赖于书籍、图片或教师的口头描述，但这些方式往往缺乏互动性和直观性，难以激发学生的学习兴趣和探索欲望。因此，本项目计划利用行空板和人工智能技术，设计一款“校园昆虫智能识别助手”，旨在帮助小学生更好地认识和理解校园内的昆虫。

2.项目功能

本项目将制作一个“校园昆虫智能识别助手”，利用物体分类算法实现校园常见昆虫的识别。

物体分类算法的实现分为采集数据、训练模型、识别物体三个过程，因此项目也将分为下面三个任务：

任务一：采集校园常见昆虫图片。通过摄像头采集不同种类的昆虫图片，建立图片集以便于后面的训练和识别。

任务二：训练昆虫分类模型。基于建立好的图片集，让行空板处理图片，训练获得专门用于垃圾分类的模型。

任务三：识别昆虫。利用训练好的昆虫分类模型，识别摄像头识别到的昆虫，并显示提示信息。

3. 硬件清单

4.. 软件清单

Mind+编程软件（下载地址：https://www.mindplus.cc）

任务一：采集昆虫图片

先来利用摄像头采集不同昆虫的图片，建立图片集。

1 连接硬件

首先，将摄像头接入行空板USB接口。然后，将行空板通过USB线连接到电脑上，等待行空板屏幕亮起，并显示行空板LOGO，表示连接成功。

2.准备软件

按照下面步骤，设置Mind+软件编程方式为 Python图形化编程，并完成行空板的加载和连接。

3 编写程序

通过MIND+编写程序，采集昆虫的图片，建立训练所需的图片集。

需要加载用户自定义库（物体分类库）。进入“扩展库”中的“用户库”检索“物体分类”，点击“行空板机器学习”图形化库，完成加载。

4.加载完文字识别指令后，我们就可以按照“初始化摄像头 → 读取摄像头画面图片 → 按键拍摄保存对应分类图片到指定的文件夹中”的流程编写程序。

、

5.运行程序

点击运行按钮，运行程序，行空板屏幕上显示视频画面。摄像头画面对准昆虫，按下A键，拍摄一次图片。此时，终端会显示采集图片存储的位置和张数。

长按A键，同一分类下可以采集多张图片，一般来说采集图片越多，识别准确率越高，但是训练耗费的时间就越久，本项目我们选择采集30到40张图片即可。学习结束后，点击停止运行，结束本次采集。

6.按顺序分类

请修改代码，重复刚才的过程，继续采集其它昆虫的图片。

提示：每次运行只能学习一个类别图片，填写分类名称时，需要按顺序添加序号。修改核心代码示例如下：

任务二：训练昆虫分类模型

用采集的图片训练识别昆虫的模型。

1 编写程序

训练识别昆虫模型需要经过“导入图片集 → 创建模型 → 训练模型 → 保存模型”几个步骤。

由于现在冬天，目前只采集了两个昆虫的图片，在导入图片 指令中填入分类数量为2。为了让模型效果更好，我们可以在 训练模型 指令中设置一定数量的训练次数，比如3次。当然，我们也可以加入适当的提示表示训练完成。完整示例代码如下：

注意：训练次数不易填入太多，不然训练时间会较长。

任务三：识别昆虫

基于训练好“昆虫识别”模型，用摄像头拍摄昆虫，按键识别昆虫并显示在行空板屏幕上。

1 编写程序

（1）识别昆虫

既然要使用摄像头来拍摄图像，利用昆虫分类模型识别昆虫类，识别昆虫就需要导入模型、初始化摄像头、读取摄像头画面、按键识别以及显示摄像头画面几个部分。参考代码如下图所示。

（2）显示识别结果

识别获得的结果有两个“索引”和“置信度”。其中，“索引”表示采集图片时类别文件夹的序号，“置信度”则表示识别为该类别的可能性。'

识别结果中没有类别名称，我们可以建立一个“表格”用“索引”去取“表格”里面的昆虫名称。而这个“表格”就叫做列表。

具体实现方法如下：

先建立 分类表 和 识别结果 两个变量用来保存所有昆虫名称以及识别的昆虫名称。然后，在代码开始部分将 变量分类表 初始化为 [”大青虫卵”,”蚂蚁”……]，变量识别结果 则初始化为””（双引号内没有内容）。

当按键获得识别结果后，从 分类表 中按 识别的索引 取出识别的昆虫名称，并存入 变量识别结果。

获得了识别到昆虫的名称，接下来我们就可以将它显示在摄像头画面上。

完整的程序如下：

2 运行程序

点击运行按钮，运行程序，待模型导入成功后，终端会显示“model loaded”表示模型导入成功。

模型导入成功后，行空板屏幕上会显示识别的画面。（由于刚开春，校园昆虫还比较少，暂时难以收集到足够的图片，待开春后，补充相应的图片素材，并可以根据本地的昆虫情况，增加昆虫的类别）。