如何让邻居的猫断奶在草坪上大便：我们使用机器视觉和深度训练

为了阻止猫在草坪上留下“礼物”的习惯，可以使用不同的方法：圈套小动物，用陷阱盖在盒子上的诱饵自制的陷阱和里面的诱饵，民间方法（例如用大蒜柑橘皮包裹）。最后，您可以整天坐着拖鞋。

Nvidia工程师认为，以这种方式与邻近的动物相处并不是一个邻居。另外，他想在实践中尝试神经网络。因此，他使用了更高级的方法：拿了Nvidia Jetson TX1开发板，Foscam IP摄像机，连接到继电器的粒子光子开发板以及家庭草坪灌溉系统。猫是湿的-但还活着又健康。



猫的特征是领土行为，其领土与主人的土地不一致。猫会标记领土，并经常在边境地区大量行走。有趣的是，这样的边界区域可以在时间上立即被几只动物分开。很难阻止他们采取这种行为：尽管它们具有出色的记忆力，但很难使猫将网站的所有者与网站本身联系起来。自我伤害的方法不仅不人道，而且效果不佳-新猫将来到空旷的地区。

Nvidia工程师Robert Bond 设计自己在草坪上处理“礼物”的方法。他使用深度学习神经网络和Jetson TX1开发平台来识别猫并启用灌溉系统。这位65岁的软件开发人员说：“我的妻子喜欢我们的花园，需要整洁干净。”

Foscam FI9800P IP摄像机注视着前院并监视变化。如果有运动，它将通过FTP发送7张图片，分辨率为640×480，每秒一幅。 Jetson TX1开发板可以接收这些图像，后者随时准备接收图像并将其通过Caffe深度学习神经网络传递。



要接收照片进行处理并发送浇水命令，请在Jetson上配置一个Wi-Fi接入点。小型USB集线器和SATA SSD连接到Jetson。工程师将两个“哨子”推入集线器，以与键盘和鼠标进行通信。邦德使用JetsonHacks的配方将Caffe安装在SSD上。该神经网络在CUDA版本7上运行。邦德建议使用CEVA深度神经网络来节省内存。



在列举了几个神经网络之后，工程师决定使用完全卷积语义分割网络（FCN）。在Jetson上，Fcn32运行良好，占用的内存略大于1 GB，启动仅需10秒钟，并且可以在约三分之一的时间内处理640×480图片。

在装有GTX Titan的计算机上，邦德训练了一个神经网络，其中包含在互联网上发现的猫的照片。有一些奇怪之处-一旦神经网络掩盖了猫和湿邦德的身影。

当深度学习系统识别出运动对象中的猫时，它会向“粒子光子”板发出命令，该板与连接到灌溉系统的继电器一起工作。在右侧，一个穿孔的纸板底座-光子，在左侧-一个继电器。收到所需的命令后，继电器将闭合，其中包括为猫淋浴两分钟。



在图像中显示了系统的示例。首先，猫进入相机的视野，后者拍摄照片。在第二张照片中，我们看到了一只猫的脚后跟-他被院子里流淌的水淋湿了。没有危险的化学物质，没有可能伤害猫的网罗和陷阱，没有棍棒和靴子引发的东西。只有干净的水。





正如制造Jetson董事会的公司所强调的那样，整个项目耗时约10-15个小时。系统已经可以确定猫的位置。邦德计划利用软件中的机会，使项目受到严重攻击。

过去已经有类似的项目可以识别并吓跑动物。Blender Defender是类似的东西，但是可以保护花朵和其他有用的和必要的东西免受家猫的伤害。该名称与一个搅拌器相关联，当跳到桌子或橱柜上的猫进入摄像机视野时，搅拌器将打开。奖金是一个频闪。





Kurt Grandis在2012 年开发了类似的系统。他有一个计算机视觉系统，可以用他的水枪射击Nerf松鼠。该项目的作者使用了OpenCV开源计算机视觉库。



一场意想不到的淋浴不仅有助于与猫和松鼠战斗，而且还可以与人战斗。不幸的是，这是一个完全手动的系统，但是可以使用Robert Bond使用的相同工具来完成。

Source: https://habr.com/ru/post/zh-CN395821/