Mind+模型训练工具·实例分割任务：电子花艺师 简单

1 项目介绍

1.1 演示视频

1.2 项目设计

插花艺术是自然与美学的完美融合，但传统插花对花材等有要求，让不少爱好者望而却步。为降低插花创作门槛，本项目借助Mind+模型训练工具的实例分割模块，融合行空板 M10 硬件，打造电子花艺师。通过实例分割技术精准抠取花卉图像轮廓，再随机将抠取的花卉插入预设花瓶图片中，生成个性化电子插花作品。

通过本项目，您将了解到：

•模型训练：如何使用Mind+ v2.0模型训练工具训练一个实例分割模型。

•模型部署：如何将训练好的模型部署到行空板M10，实现花卉抠图与电子插花效果。

•伦理讨论：如何在技术实践中思考并应对版权边界、创作局限风险等人工智能伦理问题。

1.3 项目实现流程

该项目通过 Mind+2.0 模型训练工具中的实例分割模块训练 “花卉实例分割模型”，并将模型部署到行空板 M10 实现花卉抠图与电子插花。整个项目的流程如下：

2 AI知识园地-实例分割

2.1 实例分割

实例分割（Instance Segmentation）是人工智能计算机视觉领域的进阶技术。与判断 “是什么” 的图像分类、定位 “在哪里”+ 判断 “是什么” 的目标检测不同，实例分割能精准识别图像中每个目标的类别，并逐像素分割出目标的轮廓边界，实现 “像素级精准抠图”，如下图所示。

2.2 实例分割的应用

实例分割技术应用场景广泛，涵盖多个领域：

数字创意：图像抠图、特效合成、电子设计。

工业检测：精准分割零件轮廓，检测表面缺陷。

医疗影像：分割病灶区域（如肿瘤、血管），辅助临床诊断。

自动驾驶：分割行人、车辆、道路标线等，提升环境感知精度。

2.3 实例分割的数据标注

实例分割的数据标注是训练模型的核心步骤，特指通过人工或辅助工具，在图像中为目标类别（本项目仅花卉）标注出类别信息与完整轮廓信息的过程。标注时需沿着花卉边缘逐点绘制掩码（Mask），精准包裹目标轮廓，生成模型训练所需的 “标准答案”。相比目标检测的边界框标注，实例分割的轮廓标注更精细，直接决定抠图效果的准确性。

2.4 实例分割的掩膜（Mask）

掩膜（Mask）是实例分割实现像素级精准分割的核心工具，本质是一张与原始图像尺寸一致的二值化图像。它以像素为单位划分区域，通常用1标记目标像素，用0标记背景像素，清晰界定目标的完整轮廓。下图为猫实例分割可视化掩膜。

3 花卉实例分割模型训练

3.1 下载软件及创建训练项目

官网下载安装Mind+ v2.0及以上版本安装包，安装完成后，双击打开。

官网链接：https://mindplus.cc/

新建项目，点击左侧导航栏中的“模型训练”，选择“实例分割”任务。

3.2 数据准备

• 数据采集

数据的采集可以通过摄像头采集也可以通过本地上传数据。

可以上传无标注数据（仅图片），也可以上传有标注数据（YOLO格式）。

每个类别至少提供 20 张图片样本。目标形状或颜色多样时建议增加样本，以覆盖更多情况。

• 数据标注

点击“数据标注”，打开标注窗口。

第一步：创建标签

点击“创建标签”，编辑标签名称和颜色。

第二步：绘制边界轮廓

标注时，先在左侧标签列表中点击对应的标签名（如 "flower"），然后用鼠标左键在图片中沿目标边缘描绘形成闭合轮廓，确保边界框完整包裹目标；若一张图片中有多个目标（如同时有“猫”和“狗”），需重复 "选择标签 - 绘制边界轮廓" 步骤，直至所有目标标注完成。

除此之外，还可以用数据标注工具标注。工具和教程见网盘文件。

3.3 模型训练

• 训练模型

点击“训练模型”按钮，即可开始训练模型。

• 训练参数设置

点击“高级设置”按钮，可进行参数设置。

•训练过程与结果观察

训练过程中，点击“高级设置”中的“深入了解”，可以查看训练日志。

3.4 模型校验

• 单张图片测试

选择“文件”，点击“点击上传文件”，选择一张没有训练过的图片进行校验。

•实时测试

选择“摄像头”，进行实时目标检测。

• 模型优化与再训练

当模型校验结果不理想时，我们可以通过数据质量优化，模型参数调整等方法，再次训练模型。

3.5 模型导出

点击“导出模型”按钮，即可导出模型压缩包到本地电脑上。

4 花卉实例分割模型部署

4.1 硬件清单

行空板M10系统版本升级教程：https://www.unihiker.com.cn/wiki/m10/burner

4.2 编程环境和扩展准备

具体步骤，请参考：Mind+模型训练工具-基础说明

4.3 模型应用

• 上传模型

将导出的 ONNX 文件及yaml配置文件上传到目标环境或硬件平台。

• 上传素材

将背景图片等文件上传到平台。

• 编写程序

代码解析如下：

完整代码：

• 运行并验证

5 AI伦理探讨

技术本身是中立的，但技术的设计者和使用者肩负着责任。在享受AI带来的便利时，我们更需要主动思考其背后的伦理问题，并探寻负责任的解决方案。现在，让我们一起探讨在电子花艺师项目中可能遇到的几个核心伦理挑战。

5.1 版权边界问题

•问题：花卉原始图像可能来自他人拍摄的摄影作品、花艺设计作品，抠图后二次合成电子插花，可能侵犯原作者的著作权。

• 建议：训练数据集优先使用开源无版权花卉图像，或明确标注原始图像来源并获得授权；在电子插花作品输出时，增加 “AI 合成创作” 标识，区分原创与合成作品。

5.2 创作局限风险

•问题：模型的花卉搭配、插入位置依赖程序随机算法，可能形成固定风格，固化用户审美，限制真实花艺创作的创意多样性。

•建议：增加 “自定义插入模式”，允许用户手动调整花卉位置、大小；在程序中预设多种插花风格模板（如对称式、自然式），用户可自主选择，保留人工创意空间。

6 自我检验

6.1 拓展练习

在Mind+中尝试训练一个多类别实例分割模型，尝试添加 “花瓶” 类别，训练双类别（花卉+ 花瓶）实例分割模型，部署到行空板 M10，实现 “自定义花瓶 + 自定义花卉” 的全自主电子插花。

6.2 学习评价表

通过百度网盘分享的文件：Mind+实例分割资料包.zip
链接:https://pan.baidu.com/s/16145gq7tx60BMCXnsHEonw?pwd=6qai