自動化・効率化ならKTパソコンスクール

前回のAIカラス監視・撃退装置を作成の記事にあるようにRaspberry Piでカラス監視システムを作ったのですが、画像判定に15秒程度かかるということで、Intel® Movidius™ Neural Compute Stick（以下NCS）というものを使用してリアルタイムに画像認識できるようにしました。以下はNCSの公式サイトの本文の一部をGoogle翻訳にかけた文章です。⇓

NCSは、Intel®Movidius™Myriad™2ビジョン処理ユニット（VPU）を搭載しています。 VPUには、4GビットのLPDDR3 DRAM、イメージングアクセラレータ、ビジョンアクセラレータ、およびSHAVEプロセッサと呼ばれる12個のVLIWベクトルプロセッサのアレイが含まれています。これらのプロセッサは、ニューラルネットワークの一部を並列に実行することによってニューラルネットワークを高速化するために使用されます。 ・・・

簡単に言えば、USBにさすだけで画像認識を高速化してくれるツールです。ディープラーニングの学習を高速化するのではなく、既に学習済みのモデルによる画像認識の処理を高速化します。下の動画はRaspberry Piに接続してカメラ画像をリアルタイム画像認識させてみたときのRaspberry Piの画面映像です。⇓

今回は画像認識プログラミングレシピという本を参考にしました。いろいろと自分でLinuxのコマンドを打ち込んで、Raspberry Piにインストールしないといけないのですが、エラーが出まくりで大変でした。ネット検索でGoogle翻訳の力も借りながら、なんとかエラーを解消してインストールにこぎつけました。

インストールには下のサイトがかなり役に立ちました。⇓
RaspberryPi3 (Raspbian Stretch) + Intel Movidius Neural Compute Stick NCSDK v2.05 のインストール

プログラムは下のサイトを参考にしました。⇓
ゼロから学ぶディープラーニング推論
https://github.com/movidius/ncappzoo

GitHubにコードをアップしたので、よかったら見てください。⇓
https://github.com/ktpcschool/deeplearning/blob/master/live_detection_sound.py

概ね上のサイトのコピペですが、NCSの部分を再利用しやすいようにクラス化したのと、画像認識の推論実行部分を最大検出数を10個とし、その確率に閾値を設定し、確率が0.05を超えたものを取得するようにしました。あとはタカの音声を鳴らす部分は前回とほぼ一緒ですが、マルチプロセスにする意味があまりなかったので、シングルプロセスにしました。

前回はCPU温度が80℃近くだったのですが、冷却用のファンを使用したこともあり、だいぶ低くなりました。CPU使用率も低くなりました。また、アクリルパネルを使用して、雨用のカバーを作りました。タカの音声は試してみたのですが、全く効果がないようです。現在、水鉄砲をサーボを使って制御してカラスを撃退するシステムを作成中です。

下はIntel® Movidius™ Neural Compute Stickの公式サイトです。⇓
https://movidius.github.io/ncsdk/ncs.html