bee brood counter (nazar ivantisv)

1
Лічильник кількості закритого бджолиного розплоду. Назар Іванців Ідея: Використати Обробку зображень (Image Processing) та Машинне навчання (Machine Learning) для підрахунку кількості запечатаного бджолиного розплоду маючи на вході фото бджолиної рамки. Реалізація: 1. Підготовка датасету (Image pre- processing). 2. Виділення позитивних і негативних прикладів. 3. Конвертація датасету для тренування Згорткової Нейронної Мережі (Convolutional Neural Net.). 4. Тренування Мережі. 5. Розпізнавання розплоду на нових зображеннях. 6. Виділення серед отриманих сигналів локальні максимуми. Їх підрахунок. Інструментарій та технології: Python 2.7 NumPy OpenCV 3.0 TensorFlow r0.7 Jupyter Notebook Редактор фотографій Можливості використання в комерційних рішеннях: Створення програмного продукту для потреб науковців в галузі бджільництва. З додатковими ф- ціями, такими як розпізнавання та підрахунок інших типів чарунок. Структуризоване зберігання даних та їх автоматизований аналіз. Мобільний застосунок для аматорів- пасічників, який буде служити рекомендаційною системою в процесі догляду за пасікою. На вході – загальні дані про пасіку та фото рамок з кожного вулика. На виході – висновок про стан вулика та рекомендації по утриманню. Аналогічно ведеться історія та статистика отриманих даних. Код на GitHub: https ://github.com/nazar-ivantsiv/bee-broo d-counter Capped brood cells detected: 1599

Upload: lviv-it-school

Post on 27-Jan-2017

268 views

Category:

Technology


5 download

TRANSCRIPT

Page 1: Bee Brood Counter (Nazar Ivantisv)

Лічильник кількості закритого бджолиного розплоду.Назар Іванців

Ідея:Використати Обробку зображень (Image Processing)

та Машинне навчання (Machine Learning) для

підрахунку кількості запечатаного бджолиного

розплоду маючи на вході фото бджолиної рамки.

Реалізація:1. Підготовка датасету (Image pre-processing).2. Виділення позитивних і негативних прикладів.3. Конвертація датасету для тренування Згорткової

Нейронної Мережі (Convolutional Neural Net.).4. Тренування Мережі.5. Розпізнавання розплоду на нових зображеннях.6. Виділення серед отриманих сигналів локальні

максимуми. Їх підрахунок.

Інструментарій та технології:• Python 2.7

• NumPy

• OpenCV 3.0

• TensorFlow r0.7

• Jupyter Notebook

• Редактор фотографій

Можливості використання в комерційних рішеннях:

• Створення програмного продукту для потреб науковців в галузі бджільництва. З додатковими ф-ціями, такими як розпізнавання та підрахунок інших типів чарунок. Структуризоване зберігання даних та їх автоматизований аналіз.

• Мобільний застосунок для аматорів-пасічників, який буде служити рекомендаційною системою в процесі догляду за пасікою. На вході – загальні дані про пасіку та фото рамок з кожного вулика. На виході – висновок про стан вулика та рекомендації по утриманню. Аналогічно ведеться історія та статистика отриманих даних.Код на GitHub: https

://github.com/nazar-ivantsiv/bee-brood-counter

Capped brood cells detected: 1599