Esta lección le mostrará cómo hacer que PiBot detecte y clasifique diferentes objetos que puede ver con su cámara. Le mostrará cómo programar el PiBot para detectar y clasificar diferentes objetos con la cámara y mostrarlos en una página web con el video de la cámara. También le mostrará cómo modificar la página web desde Lección 4 para permitirle conducirla y mostrar los diferentes objetos que detecta.

Las partes siguientes son necesarias para completar esta lección. Tenga en cuenta que todas las piezas, excepto los disipadores de calor y los objetos a detectar, están incluidos en el OSOYOO kit que se puede comprar en Amazon.

1. PiBot ensamblado de Lección 4
2. Disipadores de calor Raspberry Pi
3. Objetos que se pueden detectar en la lista siguiente
   1. Gente
   2. Carros
   3. Aviones
   4. TV o Monitor
   5. Sillas
   6. Ordenador Portátil
   7. Perro
   8. Gato
   9. Mochila
   10. Corbata
   11. Patineta
   12. Taza
   13. Tenedor
   14. Cuchillo
   15. Cuchara
   16. Teléfono Móvil
   17. Reloj

1. Retire el respaldo protector de los disipadores de calor y péguelos en la parte superior de los chips en la Raspberry Pi
   
   

   Los disipadores de calor ayudan a evitar que los chips se calienten demasiado cuando la Raspberry Pi procesa las imágenes de la cámara.

   

2. Encienda el PiBot y colóquelo de modo que pueda circular
   
   

   Retire la tapa de la lente de la cámara CSI antes de encender el PiBot

3. Coloque objetos frente al PiBot para que pueda verlos y conducir

Seleccione el enlace correspondiente a continuación para obtener instrucciones para configurar el software en PiBot y una exploración de cómo funciona.

• MacOS
• Windows

Esta lección utiliza un método o algoritmo llamado red neuronal de aprendizaje automático para procesar imágenes y detectar ciertos objetos dentro de la imagen. Los algoritmos de aprendizaje automático se componen de ciertas reglas que luego son utilizadas por la computadora para conocer las características de los datos. El algoritmo específico que se utiliza para esta lección aprendió qué características componen los diferentes objetos enumerados anteriormente cuando se ven en una imagen. Las reglas que se utilizaron para este algoritmo se denominan red neuronal.

Las redes neuronales están diseñadas para imitar la forma en que nuestro cerebro procesa la información y saca conclusiones. Una red neuronal está compuesta por varias capas de neuronas que se conectan entre sí y las capas que están por encima y por debajo de ellas. Cada neurona toma datos de la capa superior y los procesa basándose en indicios que se le dan llamados pesos. Luego pasa los resultados de su procesamiento a la capa debajo de él. La capa superior obtiene su entrada directamente de los datos que se están procesando y la capa inferior envía sus datos al programa que los está ejecutando. Durante el entrenamiento de la red neuronal, el resultado de la capa inferior se califica y los pesos se actualizan para lograr una puntuación más alta. Una vez finalizado el entrenamiento, los pesos individuales de cada neurona se guardan en un modelo que luego puede ser utilizado por otro programa, como en esta lección, para detectar objetos en una imagen. Estos pesos finales representan la idea de la red neuronal de qué características son más importantes para determinar la respuesta correcta sin que un experto necesite averiguar esas características.

Las redes neuronales de aprendizaje automático nunca pueden proporcionar un resultado 100% seguro. Siempre proporcionan resultados como probabilidades, como “Estoy 55% seguro de que hay un gato en esta ubicación de la imagen”. Aunque no brindan una certeza garantizada de su salida, aún pueden ser muy precisos y mucho más eficientes que los algoritmos que son 100% seguros. También se pueden utilizar para proporcionar muy buenos resultados a partir de datos de entrada que sería imposible obtener un resultado 100% seguro. Debido a que son muy eficientes, se pueden usar para proporcionar resultados en tiempo real como lo hacemos en esta lección en lugar de tener que esperar varios segundos o minutos para determinar qué objetos hay en la imagen.

Volver a la Página Principal de PiBot