Cara menyapih kucing tetangga untuk membuang kotoran di halaman: kami menggunakan visi mesin dan pelatihan mendalam

Untuk mencegah kucing dari kebiasaan meninggalkan "hadiah" di halaman, metode yang berbeda dapat digunakan: jerat untuk hewan kecil, perangkap buatan dari kotak dengan batu bata di tutupnya dan umpan di dalamnya, metode tradisional seperti kulit jeruk yang dilapisi bawang putih. Akhirnya, Anda bisa duduk sepanjang hari dengan sandal di tangan Anda.

Insinyur Nvidia percaya bahwa melakukannya dengan hewan tetangga entah bagaimana tidak bertetangga. Selain itu, ia ingin mencoba jaringan saraf dalam praktik. Oleh karena itu, ia menggunakan metode yang lebih maju: ia mengambil papan Nvidia Jetson TX1, kamera IP Foscam, papan pengembangan Partikel Photon yang terhubung ke relay, dan sistem irigasi halaman rumah. Kucing basah - tetapi hidup dan sehat.



Kucing dicirikan oleh perilaku teritorial, dan wilayah mereka tidak bertepatan dengan tanah pemiliknya. Kucing menandai wilayah, dan sering berjalan dalam jumlah besar di daerah perbatasan. Menariknya, wilayah perbatasan tersebut dapat dibagi dalam waktu oleh beberapa hewan sekaligus. Sulit untuk mencegah mereka dari perilaku seperti itu: meskipun ingatan mereka sangat bagus, sulit untuk membuat kucing mengaitkan pemilik situs dengan situs itu sendiri. Metode melukai diri sendiri tidak hanya tidak manusiawi, tetapi juga tidak efektif - kucing baru akan datang ke wilayah kosong.

Insinyur Nvidia Robert Bond dirancangmetode sendiri berurusan dengan "hadiah" di halaman. Dia menggunakan jaringan syaraf pembelajaran yang dalam dan platform pengembangan Jetson TX1 untuk mengenali kucing dan mengaktifkan sistem irigasi. “Istri saya suka kebun kami dan harus rapi dan bersih,” kata pengembang perangkat lunak berusia 65 tahun.

Kamera IP Foscam FI9800P terlihat di halaman depan dan memonitor perubahan. Jika ada gerakan, ia mengirim gambar melalui FTP 7 dengan resolusi 640 × 480, satu per detik. Mereka diterima oleh papan Jetson TX1, yang selalu siap untuk menerima gambar dan melewati mereka melalui jaringan saraf pembelajaran mendalam Caffe .



Untuk menerima foto untuk diproses dan mengirim perintah untuk penyiraman, titik akses Wi-Fi dikonfigurasikan di Jetson. Hub USB kecil dan SSD SATA terhubung ke Jetson. Seorang insinyur mendorong dua "peluit" ke hub untuk berkomunikasi dengan keyboard dan mouse. Bond memasang Caffe pada SSD menggunakan resep dari JetsonHacks . Jaringan saraf berjalan pada CUDA versi 7. Bond merekomendasikan menggunakan CEVA Deep Neural Network untuk menghemat memori.



Setelah menghitung beberapa jaringan saraf, insinyur menetap di Fully Convolutional Network for Semantic Segmentation (FCN). Pada Jetson, Fcn32 bekerja dengan baik, mengambil sedikit lebih dari 1 GB memori, dimulai hanya dalam 10 detik dan bekerja dengan gambar 640 × 480 dalam waktu sekitar sepertiga detik.

Pada komputer dengan GTX Titan, Bond melatih jaringan saraf dengan foto-foto kucing yang ditemukan di Internet. Ada beberapa keanehan - begitu jaringan saraf mengambil bayangan kucing dan Bond basah.

Ketika sistem pembelajaran yang dalam mengenali kucing dalam objek yang bergerak, ia memberi perintah pada papan Particle Photon, yang bekerja dengan relay yang terhubung ke sistem irigasi. Di sebelah kanan, di atas pangkalan kardus berlubang - Foton, di sebelah kiri - estafet. Ketika perintah yang diinginkan diterima, relai ditutup, termasuk mandi untuk kucing selama dua menit.



Contoh sistem disajikan dalam gambar. Pertama, kucing memasuki bidang pandang kamera, yang mengambil foto. Dalam foto kedua kita melihat tumit kucing - dia basah kuyup dengan air yang mengalir dari halaman. Tidak ada bahan kimia berbahaya, tidak ada jerat dan perangkap yang bisa membahayakan kucing, tidak ada tongkat dan lemparan dengan sepatu bot. Hanya air bersih.





Sebagai perusahaan yang membuat papan Jetson menekankan , seluruh proyek memakan waktu sekitar 10-15 jam kerja. Sistem sudah dapat menentukan lokasi kucing. Bond berencana untuk menggunakan peluang dalam perangkat lunak dan membawa proyek ke titik serangan.

Sudah ada proyek serupa di masa lalu di mana hewan diakui dan ditakuti. Blender Defender adalah sesuatu yang serupa, tetapi untuk melindungi bunga dan hal-hal lain yang berguna dan perlu dari kucing rumah. Nama tersebut dikaitkan dengan blender, yang akan menyala ketika kucing yang melompat ke atas meja atau kabinet masuk ke bidang pandang kamera. Bonusnya berupa strobo.





Sistem serupa dikembangkan pada 2012 oleh Kurt Grandis. Dia memiliki sistem visi komputer yang membantu menembak tupai Nerf dengan pistol airnya. Penulis proyek ini menggunakan perpustakaan visi komputer sumber terbuka OpenCV.



Mandi yang tak terduga membantu bertarung tidak hanya dengan kucing dan tupai - tetapi juga dengan orang-orang. Sayangnya, ini adalah sistem yang sepenuhnya manual, tetapi dapat dilakukan dengan menggunakan alat yang sama yang digunakan Robert Bond.

Source: https://habr.com/ru/post/id395821/