Trashly (7 / 7 steg)

Steg 7: Program intel edison i Node.js

0) ta bild

med hjälp av bash-script att kalla ffmpeg ta en bild och spara den

< p >/home/root/bin/ffmpeg/ffmpeg - s 320 x 240 -f video4linux2 -i/dev/video0 - vframes 1 test.jpeg < /p >

1) modul för bildanalys

Vi har skapat en modul nodejs som tar som ingång bild av webbkameran och skickar den till cloudsight som skall analyseras; sedan förhör servern tills analysen är klar.

2) modul för den semantiska analysen

Nästa steg är att kategorisera de tidigare resultat, får gärna kategorin av objekt (till exempel växt, programvara, etc.). Om detta inte är tillgänglig, är analyserade relationer och egenskaper i objektet (mjuk, elastisk, trä, etc.).

3) skapandet av en kunskapsbas

På denna punkt vi övervakas utbildning av en maskin för att skapa en kunskapsbas av avfallsslag om vårt intresse: plast, fuktig och onyanserat. Vi utsätts maskinen ett antal kända bilder och vi lärde honom vilka kategorier hörde hemma.

4) utvärdering av okända bilder

Det återstår nu för att lära maskinen att hantera avfall okänd. Bilden analyseras de moduler som beskrivs ovan, återvänder en uppsättning kategorier som det tillhör, eller, om sådana inte finns, en uppsättning egenskaper. A informationen tilldelas en poäng för varje typ av avfall som vi vill återvinna; den högsta poängen tolkas som papperskorgen i som måste "kastas avvisande. Vid obeslutsamhet, kommer att väljas den odifferentierade.