智慧咖啡廳設計提案
"team 4":[
{"leader":"徐子越",
"mem1":"毛鼎言",
"mem2":"劉安昇",
"mem3":"許哲偉",
"mem4":"劉安華",
"mem5":"陳惠龍"}
]
Concepts
目的
期望能連結人工智慧的各項技術,搭配獨有的創意發想,帶給顧客不只有趣,也更便利的使用者體驗。
管理人員利用影像識別,實現自動化衛生控管,並透過深度學習來預測原物料的價格,藉此控制營運成本。
徐子越 18
LINE BOT設計-動機
徐子越 18
預約流程圖
徐子越 18
徐子越 18
Demo
徐子越 18
程式架構
徐子越 18
自動帶位系統-動機
徐子越 18
概念
徐子越 18
Demo
徐子越 18
程式架構
gTTS
徐子越 18
webcam
徐子越 18
徐子越 18
徐子越 18
概念
徐子越 18
毛鼎言 12
語音點餐-if, else, for...
毛鼎言 12
使用技術
毛鼎言 12
Demo
毛鼎言 12
毛鼎言 12
gtts
speech_recognition
Our
Code
voice
text
毛鼎言 12
AI拉花-深度學習
毛鼎言 12
AI拉花-使用技術
毛鼎言 12
毛鼎言 12
Demo
毛鼎言 12
Flask
Deep
Learning
Model
Imgur
特徵抽取範例
特徵抽取範例
特徵抽取原理
特徵抽取範例 (1~5 由淺入深)
毛鼎言 12
1
2
3
4
5
Cycle-GAN會更好嗎 : 訓練10小時
毛鼎言 12
CNN 或 Cycle-GAN?
毛鼎言 12
實際應用
毛鼎言 12
毛鼎言 12
中文情緒分析-機器學習
毛鼎言 12
使用技術
毛鼎言 12
Demo
毛鼎言 12
毛鼎言 12
ML model
Flask
Machine
Learning
Model
正負評論蒐集-爬蟲
毛鼎言 12
SnowNLP資料集: 書評、飯店評、3c評
毛鼎言 12
未來展望
毛鼎言 12
語音點餐
毛鼎言 12
拉花及意見回饋機器人
毛鼎言 12
劉安昇 05
服務
目的
劉安昇 05
硬體架構
image
劉安昇 05
跑道設計
劉安昇 05
使用技術
Duckietown
劉安昇 05
劉安昇 05
Duckietown使用ROS系統整和感知器訊號,經影像處理後,透過道路邊線邊緣偵測,達成道路辨識
Duckietown道路辨識
OpenCV影像處理
劉安昇 05
Demo
劉安昇 05
劉安昇 05
Donkey架構
劉安昇 05
使用技術
劉安昇 05
Donkey 道路辨識
影像處理
CNN模型訓練
大量資料讓CNN學習在兩道路邊線內行駛
劉安昇 05
5層CNN神經網路
劉安昇 05
訓練流程
Data Collecting
Model Training
Model Testing
劉安昇 05
Data Collecting
收集9415張120*160 RGB照片,同時系統會即時記錄油門與轉向在不同狀況下PWM訊號變化。
劉安昇 05
Data Training
9415張120*160 RGB照片,
訓練24個Epoch
劉安昇 05
Demo
劉安昇 05
劉安昇 05
為何選擇Donkey
初期採用Duckietown架構,設置環境時與台灣樹梅派人員多次請教,雖然能夠實現道路辨識但因訓練環境不同,且ros系統適用於多感知器環境,因此改為使用Donkey架構,呈現道路辨識及避障功能。
劉安昇 05
劉安昇 05
影像處理
CNN模型訓練
障礙物閃避原理
大量包含障礙物資料,使CNN模型學習識別馬克杯進行閃避動作。
劉安昇 05
Data Collecting
收集13545張120*160障礙物在內的照片,同時程式會記錄閃避障礙物時油門與轉向的PWM訊號變化。
劉安昇 05
Data Training
13545張120*160 RGB照片,訓練22個Epoch。
劉安昇 05
Demo
劉安昇 05
劉安昇 05
未來展望
透過更好的演算法優化辨識不同道路複雜環境,使道路跟隨及避障功能更趨穩定。
為自走車加裝托盤或機械手臂,提供更完善服務。
劉安昇 05
許哲偉 26
服務
目的
許哲偉 26
許哲偉 26
自走車組裝及安裝Raspbian在RPi上
->歷經Ducky car到Donkey car的過程
->資料收集及機器學習套件查詢
->人臉及文字與數字辨識學習(training)
->結合Rpi自走車
->實際debug與送餐應用
進度歷程
許哲偉 26
人臉辨識
Face_recognition
Raspberry pi
許哲偉 26
Deep Neural Networks (DNN)
Raspberry pi
Tesseract OCR
文字與數字影像識別
Demo
許哲偉 26
人臉識別
我們運用了face_recognition套件,以webcam實作人臉識別。
測試-組員1-Jeff Mao
許哲偉 26
人臉識別
不同的組員間切換測試,均能正確辨識出組員以及我們給的Label
測試-組員2-Anson Liu
許哲偉 26
DNN模型
運用了opencv裡的
EAST文本檢測器API
實現自然場景下的文本檢測
Demo
許哲偉 26
文字與數字影像識別
許哲偉 26
文字影像識別
我們試著實作在現實場景如何框出並標示
{ Raspberry pi }這本書的書名。
Demo
許哲偉 26
送餐車辨識文字
許哲偉 26
未來展望
許哲偉 26
利用webcam監視店內與廚房,實現自動化衛生控管。
衛生管理
衛生管理
使用TensorFlow Object Detection,如監控到有老鼠於咖啡店內出現,會自動拍攝照片並通知店家。
劉安華 06
劉安華 06
Demo
劉安華 06
劉安華 06
程式運作邏輯
程式運作邏輯
劉安華 06
劉安華 06
使用技術
劉安華 06
資料蒐集
初版資料
使用google-images-download 和 Fatkun這兩個套件,透過更換關鍵詞的方式從Google上爬下了3000張各式老鼠照片進行訓練。
失敗模型初版:1500張網路搜尋老鼠照片
劉安華 06
資料蒐集
失敗模型二版:4500張網路蒐集貓、狗、老鼠混合照片
劉安華 06
資料蒐集
劉安華 06
模型失敗原因
網路蒐集的照片資料多為近照、特寫照,將老鼠的肢體、臉、甚至鬍鬚都有拍攝出來。
資料蒐集
劉安華 06
模型失敗原因
Webcam裝設位置多處於高處,從上到下30~45度角,而且距離較遠。
資料蒐集
劉安華 06
更新資料
使用OpenCV拍攝道具老鼠影片,再透過OpenCV將影片每秒擷取10張圖片,當成訓練模型的資料。
資料蒐集
劉安華 06
三版模型:1000張自行拍攝照片
資料蒐集
劉安華 06
未來展望
劉安華 06
「如果我不在家,就是在咖啡館;如果不是在咖啡館,就是在往咖啡館的路上」。 Peter Altenberg十九世紀奧地利詩人寫於維也納Cafe Central。
陳惠龍 20
時間序列預測
設計構想
陳惠龍 20
時間序列預測
咖啡詩人
建模 - Tensorflow+KERAS+LSTM+GRU
訓練 - 古詩詞約500,000字
參數 - Epochs = 100 & Batch size = 512
陳惠龍 20
時間序列預測
陳惠龍 20
時間序列預測
建模 - Tensorflow+KERAS+LSTM
訓練 - 咖啡期貨、石油期貨、美元指數、恐慌指數。
序列 - 訓練 2000.01 ~ 2018.11 前85%
預測 2000.01 ~ 2018.11 後15%
參數 - Epochs = 5 & Batch size = 50
成果 - 40-day forecasts & one-day forecast
咖啡期貨
陳惠龍 20
時間序列預測
Fig.1 One-variate (cof) 40-day forecasts
陳惠龍 20
時間序列預測
Fig.2 Multi-variable (cof, wti, dxf, spv) 40-day forecasts
陳惠龍 20
時間序列預測
Fig.3 One-variable (cof) one-day forecast
陳惠龍 20
時間序列預測
Fig.4 Multi-variable (cof, wti, dxf, spv) one-day forecast
陳惠龍 20
時間序列預測
Fig.5 One-V (cof) one-day directional forecast
陳惠龍 20
時間序列預測
Fig.6 Multi-V(cof, wti, dxf, spv)
one-day directional forecast
陳惠龍 20
時間序列預測
陳惠龍 20
時間序列預測
Team
徐子越: LINE BOT、自動帶位、整體風格設計
毛鼎言: 語音點餐、AI拉花秀、客評分析
劉安昇: 送餐機器人-道路辨識、障礙物辨識
許哲偉: 送餐機器人-顧客臉部辨識、文字識別
劉安華: 衛生管理系統
陳惠龍: 咖啡詩人、價格預測
請不吝指教,謝謝!
by-Team 4