使用AI在運輸過程中保護包裹

描述

包裹的安全運輸是所有在線零售商都頭疼的問題，因為在運輸過程中會發(fā)生許多損壞。這些損壞會導(dǎo)致更多的產(chǎn)品退貨、糟糕的客戶體驗以及零售商的聲譽。由于我們不知道在交付過程中發(fā)生了什么，因此可能很難證明包裹的內(nèi)容物在運輸過程中被毀壞，而不是在轉(zhuǎn)移到承運人之前或之后。鑒于目前的情況，既有不公正的指控，也有蓄意造假的可能。

作為解決方案，我們正在設(shè)計一種可以監(jiān)控包裹在運輸過程中安全處理的設(shè)備。該設(shè)備使用 Nano 33 BLE Sense 和 GSM 模塊以及 Edge Impulse 來識別包裹處理不當(dāng)發(fā)生的位置。使用加速度計數(shù)據(jù)，設(shè)備可以識別在傳輸過程中發(fā)生的所有可能的不安全處理。一旦設(shè)備檢測到不安全的處理，我們的系統(tǒng)就會生成警報，記錄事件的當(dāng)前時間。零售商可以分析日志作為內(nèi)部審計的一部分，以分析快遞服務(wù)的性能。用戶還可以使用提供的網(wǎng)絡(luò)界面跟蹤包裹的安全處理。

該設(shè)備在運輸帶有護理包的手柄時非常有用，需要小心處理。

它是如何工作的？

Arduino Nano 33 BLE Sense 有一個 9 軸 IMU（3 軸加速度計 + 3 軸陀螺儀 + 3 軸磁力計），非常適合識別手勢。在從 IMU 攝取數(shù)據(jù)后，AI 模型將這些動作分為五類——重摔、劇烈搖晃、投擲、正常攜帶和空閑。重摔、劇烈搖晃和投擲被歸類為不安全處理，其余屬于安全處理。一旦 AI 模型檢測到不安全處理，GSM 模塊就會被激活，并在 firebase 中記錄不安全處理事件。用戶和內(nèi)部審計團隊可以跟蹤這些事件，以分析運營商的績效。

軟件設(shè)置

1.新建一個項目

第一步也是最重要的一步是創(chuàng)建一個新的 Edge Impulse 項目。如果您已經(jīng)有一個帳戶，您可以按照下面顯示的步驟創(chuàng)建一個新項目。如果您沒有 Edge Impulse 帳戶，請注冊一個新帳戶并按照以下步驟操作。

在我們的案例中，我們在分析來自 IMU 的加速度計數(shù)據(jù)后對手勢進行分類。因此，請確保從列表中選擇 ** Accelerometer Data **

2.連接設(shè)備

為了直接從 Arduino Nano 33 BLE sense 收集加速度計數(shù)據(jù)，我們應(yīng)該先將設(shè)備連接到 Edge Impulse studio。按照此處給出的步驟將設(shè)備與工作室連接。

完成上述所有步驟后，請確保您在“設(shè)備”選項卡中看到您的設(shè)備。

3. 數(shù)據(jù)收集

機器學(xué)習(xí)從您提供的數(shù)據(jù)開始。收集干凈的數(shù)據(jù)至關(guān)重要，這樣您的機器學(xué)習(xí)模型才能識別正確的模式。您的模型的準(zhǔn)確性取決于您提供給計算機的數(shù)據(jù)質(zhì)量。不準(zhǔn)確或過時的數(shù)據(jù)將導(dǎo)致不準(zhǔn)確的結(jié)果或不相關(guān)的預(yù)測。

由于它會直接影響模型的結(jié)果，因此請務(wù)必從信譽良好的來源獲取數(shù)據(jù)。好的數(shù)據(jù)是相關(guān)的，幾乎沒有重復(fù)和缺失的信息，并且準(zhǔn)確地代表了所有的分類和子類別。

在構(gòu)建運動識別模型時，我們正在從 IMU 收集加速度計數(shù)據(jù)。

要收集數(shù)據(jù)，請導(dǎo)航至“數(shù)據(jù)采集”選項卡。

在那里您可以看到一個記錄新數(shù)據(jù)選項卡，我們可以在其中從連接到 Edge Impulse 的受支持設(shè)備收集數(shù)據(jù)。如圖所示設(shè)置所有數(shù)據(jù)采樣參數(shù)，現(xiàn)在是時候收集一些數(shù)據(jù)了。根據(jù)您的需要改變采樣參數(shù)。

我們將 Arduino Nano 33 BLE Sense 嵌入到墊子上以收集訓(xùn)練所需的數(shù)據(jù)。

4.數(shù)據(jù)準(zhǔn)備

最后，我們有 28 分鐘的加速度計數(shù)據(jù)。數(shù)據(jù)是在 5 個不同的類別下收集的 - 重摔、劇烈搖晃、投擲、正常攜帶、空閑。

獲得數(shù)據(jù)后，我們必須準(zhǔn)備它。為此，我們可以執(zhí)行以下操作。

• 可視化數(shù)據(jù)

可視化數(shù)據(jù)以了解其結(jié)構(gòu)并了解可能有助于我們設(shè)計脈沖的各種變量之間的關(guān)系。

• 清除不需要的數(shù)據(jù)

將數(shù)據(jù)可視化后，我們可以確定數(shù)據(jù)是否對模型訓(xùn)練有用。刪除不需要的數(shù)據(jù)以創(chuàng)建干凈的數(shù)據(jù)集。

• 拆分?jǐn)?shù)據(jù)

一旦我們有了一個干凈的數(shù)據(jù)集，就把它分成訓(xùn)練和測試數(shù)據(jù)集。在這里，我們將它們以 80:20 的比例分成兩部分。如果您的數(shù)據(jù)未拆分，請從數(shù)據(jù)采集選項卡或儀表板執(zhí)行測試/訓(xùn)練拆分

5. 沖動設(shè)計

通過在 Edge Impulse 中創(chuàng)建 Impulse，您正在創(chuàng)建自己的機器學(xué)習(xí)管道。導(dǎo)航到Impulse 設(shè)計 > 創(chuàng)建 Impulse

一個脈沖包含 3 個塊：輸入塊、處理塊和學(xué)習(xí)塊。我選擇了時間序列數(shù)據(jù)作為我的輸入塊，光譜分析作為處理塊，分類（Keras）作為學(xué)習(xí)塊。如果你對檢測異常運動感興趣，你可以添加一個異常塊，我暫時忽略它。

6.特征生成

接下來，選擇Save Impulse ，然后通過單擊導(dǎo)航到 Impulse 設(shè)計面板中的Spectral Features 。生成參數(shù)后，稍等片刻，然后單擊“保存參數(shù)” 。

現(xiàn)在轉(zhuǎn)到Generate features選項卡，然后單擊Generate features 。該過程完成后，功能瀏覽器選項卡將允許您查看數(shù)據(jù)集。這使您可以快速驗證您的數(shù)據(jù)是否正確聚類。

7.模型訓(xùn)練

模型訓(xùn)練是神經(jīng)網(wǎng)絡(luò)嘗試將權(quán)重和偏差的最佳組合擬合到機器學(xué)習(xí)算法以最小化損失函數(shù)的階段。

在NN 分類器選項卡中，在脈沖設(shè)計菜單下，我們可以配置影響神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程的各種參數(shù)。如圖所示，我更改了默認(rèn)值以獲得更高的準(zhǔn)確性。

完成后，您會看到一些訓(xùn)練性能指標(biāo)，例如準(zhǔn)確性和損失。我們經(jīng)過訓(xùn)練的模型的準(zhǔn)確率為 95.4%，足以滿足我們的所有需求。

8.模型測試

訓(xùn)練好模型后，我們現(xiàn)在可以對其進行測試，看看它如何處理新數(shù)據(jù)。選擇Model Testing下的Classify All 。模型在我們的測試數(shù)據(jù)上的性能顯示在“模型測試結(jié)果”選項卡中。我們的準(zhǔn)確率為 91.3%，相當(dāng)不錯。您還可以查看混淆矩陣以確定哪些標(biāo)簽最容易出錯。在此基礎(chǔ)上，您可以使用附加項擴展這些類的訓(xùn)練數(shù)據(jù)集。

除了對測試數(shù)據(jù)進行分類外，我們還可以使用Live Classification來收集實時數(shù)據(jù)并進行實時分類。這將確保模型能夠完美地處理真實世界的數(shù)據(jù)。

9. 將模型部署到設(shè)備

一旦模型經(jīng)過訓(xùn)練和測試，就可以將其部署回設(shè)備。為此導(dǎo)航到Deployment > Build Firmware 。選擇Arduino Nano 33 BLE Sense and Build 。它將生成模型并將其下載為 zip。將下載的 zip 添加到 arduino 庫中，一切順利。

在 Edge Impulse 中有選擇 NN 分類器優(yōu)化的選項。我們可以通過選擇最佳選項來提高設(shè)備性能。Edge Impulse 將建議最適合我們需求的選項。如果啟用編譯器，我們將以更少的內(nèi)存實現(xiàn)相同的精度。

10. Firebase 實時數(shù)據(jù)庫

Firebase 是一個用于創(chuàng)建移動和在線應(yīng)用程序的平臺。感謝 Firebase，開發(fā)人員現(xiàn)在可以專注于創(chuàng)造令人驚嘆的用戶體驗。無需服務(wù)器管理，無需創(chuàng)建 API。Firebase 是您的服務(wù)器、API 和數(shù)據(jù)存儲，所有這些都是以一種通用的方式構(gòu)建的，您可以根據(jù)大多數(shù)需求調(diào)整它們。在我們的項目中，我們使用 Firebase 實時數(shù)據(jù)庫來即時發(fā)布和檢索數(shù)據(jù)。

查找 Firebase 配置

• 去火力地堡
• 然后轉(zhuǎn)到設(shè)置>項目設(shè)置
• 在您的應(yīng)用程序 > SDK 設(shè)置和配置 > 配置下（示例如下）

const firebaseConfig = {
apiKey: "",
authDomain: "",
databaseURL: "",
projectId: "",
storageBucket: "",
messagingSenderId: "",
appId: ""
};

12. 網(wǎng)頁界面

Web 界面的設(shè)計方式可以反映 Firebase 數(shù)據(jù)庫中更新的所有事件。不安全的處理事件直接從 Nano 33 BLE Sense 在 firebase 中更新，其他發(fā)布的更新可以使用 API 進行更新。

硬件

Package tracker的核心是 Arduino Nano 33 BLE sense。我們之所以選擇這款板，是因為它外形小巧，功能強大。它帶有一系列嵌入式傳感器，這里我們使用 LSM9DS1 傳感器，這是一個 9 軸慣性模塊。它帶有一個額外的硬件串行端口，用于連接 GSM 模塊。

該設(shè)備的電源是 3.7V 18650 鋰離子電池，電流為 2000mah。

該電池可以通過微型 USB 端口充電。本項目使用的充電控制器為TP4056。

TP4056 模塊輸出的功率對于Arduino 的Vin實際上是不夠的。所以我們使用了這個微型升壓轉(zhuǎn)換器模塊。

為了向 firebase 發(fā)送通知，我們實際上使用了 sim800l GSM 模塊。該模塊來自 Simcom，可為任何微控制器提供 GSM 功能，這意味著它可以連接到移動網(wǎng)絡(luò)以接聽電話和發(fā)送和接收文本消息，還可以使用 GPRS、TCP 或 IP 連接到互聯(lián)網(wǎng)。Arduino 和 GSM 模塊之間的通信是串行的。

我們設(shè)計并 3D 打印了這些微型外殼，用于固定所有硬件元件。這可以很容易地連接到使用接線帶的任何包裝上。

然后我們將所有的元素一一固定在盒子里，并綁在包裹上。

?

?

?