構建一個自動化標簽快速準確的檢測系統(tǒng)

描述

每天，數(shù)十億個可變數(shù)據(jù)標簽被用來提供重要的消費者信息、捍衛(wèi)品牌、提供品牌保護和標識，以及跟蹤或識別事物。如此多的功能被打包到一個很短的區(qū)域。寫在標簽上的信息，無論是用作郵寄物品上的路由條形碼還是用于幫助識別產(chǎn)品，都必須清晰準確，標簽本身也必須放置得當。標簽檢測系統(tǒng)提供的功能可確保滿足這些標準。

打印質量受多種因素影響很大，包括機器設置、環(huán)境條件和原材料質量。貼錯標簽、墨水溢出、污跡斑斑的文字、缺失的印刷品、圓點和標記是與印刷相關的常見現(xiàn)象。這些缺陷不僅會留下誤解和錯誤信息的可能性，還會導致客戶反復拒絕并降低品牌價值。檢查印刷質量是一個關鍵步驟，可以讓您的生產(chǎn)免于所有這些麻煩。

因此，我們正在嘗試構建一個自動化標簽快速準確的檢測系統(tǒng)，利用 FOMO 的功能來檢測墨水污跡、異物、不需要的點和標記、倒置標簽以及許多其他打印問題。由于 FOMO 快速準確，因此可以以極低的價格構建自動標簽檢測系統(tǒng)，并具有極高的準確性和速度。

的

它是如何工作的

我們的系統(tǒng)由一個 Raspberry Pi 4 和一個兼容的 5 MP 攝像頭模塊組成。該系統(tǒng)不斷運行使用 FOMO 構建的 AI 模型。該模型目前能夠檢測墨水溢出、墨水污跡、模切和倒置標簽。可以輕松添加更多類，并且可以使系統(tǒng)更加健壯。

如果系統(tǒng)檢測到任何已知缺陷，它會在 Web 界面中生成警報，可以輕松監(jiān)控。這個系統(tǒng)可以很容易地調整，只要在印刷機本身檢測到缺陷，機器就會立即停止以防止操作員干預，從而減少由于機器錯誤導致任何此類缺陷的可能性。或者，該系統(tǒng)可以很容易地用于使用分類器設備從一組印刷標簽中對有缺陷的標簽進行分類。

的

硬件要求

• 樹莓派 4
• 5 MP 攝像頭模塊

軟件要求

• 邊緣脈沖
• Python

硬件設置

硬件設置非常簡單。它由一個 Raspberry Pi 4 Model B 和一個兼容的 5 MP 攝像頭模塊組成。

軟件設置

Raspberry Pi 4 隨附快速入門指南，可幫助您在設備上設置 Edge Impulse。按照說明將您的設備連接到 Edge Impulse Dashboard。

的

構建 TinyML 模型

一旦我們設置了硬件和軟件，現(xiàn)在就可以構建 tinyML 模型了。讓我們從收集一些數(shù)據(jù)開始。

1. 數(shù)據(jù)采集與標注

我們的數(shù)據(jù)由四類組成：墨水污跡、墨水溢出、模切和倒置標簽。

?

?

?

?

我們收集了屬于每個類別的 20 張圖像，并使用數(shù)據(jù)上傳器上傳了它們。從Labeling Queue中給它們打上標簽，按照 80:20 的比例分成訓練集和測試集，這樣就形成了一個很好的數(shù)據(jù)集，可以開始模型訓練了。

2. 脈沖架構

由于我們使用 FOMO 作為我們的對象檢測模型，它在 96 X 96 圖像上表現(xiàn)更好，我們將圖像寬度和高度設置為 96px。保持調整大小模式以適合最短軸，向脈沖添加圖像處理塊和對象檢測（圖像）學習塊。

繼續(xù)保持設置不變，并使用Feature Explorer查看數(shù)據(jù)集合和類的分離程度。

3. 模型訓練與測試

一旦我們設計了我們的沖動，讓我們繼續(xù)訓練模型。我們使用的模型訓練設置如圖所示。您可以調整參數(shù)，使經(jīng)過訓練的模型顯示出更高的準確性，但在使用模型訓練設置時要小心過度擬合。

在本例中，我們使用FOMO (MobileNet V2 0.35)作為神經(jīng)網(wǎng)絡，輸出快速、輕量級且可靠的機器學習模型。我們使用 225 個學習周期和 0.003 的學習率來構建一個功能齊全的模型。

經(jīng)過訓練的模型準確率達到 97%，非常棒。現(xiàn)在讓我們測試模型如何處理一些以前未知的數(shù)據(jù)。繼續(xù)進行模型測試和全部分類以評估模型的性能。

我們有 87.5% 的準確率，非常有前途。現(xiàn)在讓我們用一些實時分類再次驗證它。導航到實時分類并從您的開發(fā)板或上傳的測試數(shù)據(jù)中收集一些圖像樣本。

4.直播分類

在這里，我們從 RPI 4 收集一些數(shù)據(jù)并進行測試。

該模型運行良好。現(xiàn)在讓我們將它部署回設備。

Firebase 實時數(shù)據(jù)庫

對于我們的項目，我們使用了 Firebase 實時數(shù)據(jù)庫，它使我們無需等待即可快速上傳和檢索數(shù)據(jù)。在這種情況下，我們利用了 Pyrebase 包，它是 Firebase 的 Python 包裝器。

要安裝 Pyrebase，

pip install pyrebase

在數(shù)據(jù)庫中，按照給定的步驟操作。

• 創(chuàng)建項目
• 然后導航到構建部分并創(chuàng)建一個實時數(shù)據(jù)庫。
• 以測試模式啟動，因此我們可以在不進行任何身份驗證的情況下更新數(shù)據(jù)
• 從項目設置中，復制配置。

現(xiàn)在通過替換配置詳細信息將這段代碼添加到您的 python 文件中以從 firebase 訪問數(shù)據(jù)。

import pyrebase
config = {
"apiKey": "apiKey",
"authDomain": "projectId.firebaseapp.com",
"databaseURL": "https://databaseName.firebaseio.com",
"storageBucket": "projectId.appspot.com"
}
firebase = pyrebase.initialize_app(config)

網(wǎng)絡界面

我們正在使用一個使用 HTML、CSS 和 JS 創(chuàng)建的網(wǎng)頁來實時顯示缺陷。Firebase 實時數(shù)據(jù)庫中更新的數(shù)據(jù)在網(wǎng)頁上實時更新。該網(wǎng)頁顯示各種缺陷及其發(fā)生情況，以便操作員可以輕松查找特定問題。

代碼

該項目的代碼是使用 Python 和 Edge Impulse Python SDK 開發(fā)的。整個代碼和資產(chǎn)在 github 存儲庫中可用。

?

?

?