模型案例：| 火源识别-灭火机器人装置-CSDN博客

导读

2023年以ChatGPT为代表的大语言模型横空出世，它的出现标志着自然语言处理领域取得了重大突破。它在文本生成、对话系统和语言理解等方面展现出了强大的能力，为人工智能技术的发展开辟了新的可能性。同时，人工智能技术正在进入各种应用领域，在智慧城市、智能制造、智慧医疗、智慧农业等领域发挥着重要作用。

柴火创客2024年将依托母公司Seeed矽递科技在人工智能领域的创新硬件，与全球创客爱好者共建“模型仓”，通过“SenseCraft AI”平台可以让使用者快速部署应用体验人工智能技术！

本期介绍：模型案例：| 火源识别-灭火机器人装置

过拟合和欠拟合

Under-fitting Appropirate-fitting Over - fitting

在机器学习过程中，关于神经网络模型训练的准确度上有两个问题，过拟合(Overfitting)和欠拟合(Underfitting)，它们是机器学习中常见的两种模型性能问题，分别表示模型在训练数据上表现得过于复杂或过于简单。

过拟合：是指学习时选择的模型所包含的参数过多，以至于出现这一模型对已知数据预测的很好，但对未知数据预测得很差的现象。这种情况下模型可能只是记住了训练集数据，而不是学习到了数据特征。

欠拟合：模型描述能力太弱，以至于不能很好地学习到数据中的规律。产生欠拟合的原因通常是模型过于简单。

机器学习的根本问题是解决优化和泛化的问题。

优化: 是指调节模型以在训练数据上得到最佳性能。

泛化: 是指训练好的模型在前所未见的数据(测试集)上的性能好坏。

应对过拟合方法

获取更多的训练数据。只要给足够多的数据，让模型学习尽可能多的情况，它就会不断修正自己，从而得到更好的结果。就类似于当初参加高考的你，训练数据就类比是你在刷题，当你刷了非常非常多的题，并学会他们的特征，那么你应对高考则是游刃有余了。

如何获取更多数据，可以有以下几个方法：

1. 从数据源头获取更多数据。

2. 根据当前数据集估计数据分布参数，使用该分布产生更多数据：这个一般不用，因为估计分布参数的过程也会代入抽样误差。

3. 数据增强（Data Augmentation）：通过一定规则扩充数据。如在物体分类问题里，物体在图像中的位置、姿态、尺度，整体图片明暗度等都不会影响分类结果。我们就可以通过图像平移、翻转、缩放、切割等手段将数据库成倍扩充。

增加数据量

最直观与最有效的方式：获取更多的实验数据。

过拟合形成的主要原因就是训练集的数据太少，导致无法学习到想要的模型，因此当发生过拟合时，首先应该考虑的就是增加训练集的数据量。

理论上来讲：只要数据足够充足，就不会出现过拟合与欠拟合，但是显而易见，数据集的采集和制作有着巨大的工作量。

应对欠拟合方法

欠拟合的情况比较容易克服，解决方法有：

1. 增加新特征，可以考虑加入进特征组合、高次特征，来增大假设空间。

2. 添加多项式特征，这个在机器学习算法里面用的很普遍，例如将线性模型通过添加二次项或者三次项使模型泛化能力更强。

3. 减少正则化参数，正则化的目的是用来防止过拟合的，但是模型出现了欠拟合，则需要减少正则化参数。

4. 使用非线性模型，比如核SVM 、决策树、深度学习等模型。

5. 调整模型的容量(capacity)，通俗地，模型的容量是指其拟合各种函数的能力。

6. 容量低的模型可能很难拟合训练集；使用集成学习方法，如Bagging ,将多个弱学习器Bagging。

火光识别模型

该模型用于对蜡烛的火光识别，生成TensorFlow Lite INT8格式文件。

识别模型Arduino 库文件下载

请在网盘中下载Arduino 库识别模型

https://share.weiyun.com/mfA7b2it

火光识别应用场景

森林火灾监测：通过识别火光来监测森林火灾的蔓延和燃烧情况，及时采取救援措施。

工业安全：监测工业场所火灾风险，提前发现火灾隐患，保障工人和设备的安全。

城市安全：用于监测城市建筑物或公共场所的火灾风险，预防火灾事故的发生。

智能家居：用于家庭智能系统中，及时发现火灾风险并触发报警机制，保护家庭成员的生命财产安全。

农业生产：用于农田和温室大棚的火灾监测，预防农作物损失和生态环境破坏。

交通安全：监测道路、隧道等交通设施的火灾风险，保障交通运输的安全和畅通。

SenseCraft AI 平台介绍

SenseCraft AI 平台是一个专注于人工智能技术和应用的综合性平台，致力于帮助企业和个人实现智能化应用。该平台提供了多种人工智能算法和模型，包括人脸识别、猫狗识别、姿态估计、对象检测等经典模型，可以让使用者快速应用和部署AI模型并输出预测结果。

SenseCraft AI 平台经过不断的改进和迭代，现已推出新的功能并进行了全新的页面改版，新的应用平台启动新的网址：https://sensecraft.seeed.cc/ai/#/model

在Grove - Vision AI V2模块上部署此模型

打开SenseCraft AI平台，如果第一次使用请先注册一个会员账号，还可以设置语言为中文。平台地址：https://sensecraft.seeed.cc/ai/#/model

2、准备Grove - Vision AI V2硬件，并提前安装好摄像头，使用Type-C数据线连接设备到电脑的USB接口上，如下图所示。

将鼠标移动到【设备工作空间】菜单上，在弹出的下拉菜单中单击“Grove - ViSion AI V2”选项，如下图所示。

在左上角下拉框中选择“Grove - ViSion AI V2”，然后单击“连接”按钮，如下图所示。

弹出连接串口窗口，选择随机分配的串口号并单击【连接】按钮，如下图所示。

在模型选区中，可以看到当前已经部署的模型名称，单击【上传自定义模型】按钮，如下图所示。

弹出“上传自定义模型”窗口，按顺序填写模型名称、添加模型文件，添加ID对象的名称后，单击【发送】按钮，如下图所示。

开始进行模型部署、固件下载、设备重启等过程，完后在预览中即可看到当前摄像头视频内容，将摄像头对准烛光图片查看预测效果，如下图所示。
模型推理演示

添加GIF动画

AI识别灭火机器人

灭火机器人被设计用于智能检测火源并进行灭火工作，灭火机器人可以在各种环境中应用，例如仓库、工厂和家庭，可提供火灾预警并能减少火灾带来的财产损失。通常，在学校设计灭火机器人时都会使用火焰传感器来检测火源，但是这次我们尝试使用Seed Studio出品的Grove- Vision AI V2模块，通过图像识别的方式来检测火源。

硬件准备

1、对Grove- Vision AI V2模块3D打印了一个外壳，可以放置摄像头和AI模块。

火焰识别模型部署到Grove- Vision AI V2模块，就可以按着下面的图来连接XIAO ESP32 C3、继电器和电机风扇了。

这里设计了一个底座，用来放置XIAO的扩展板，继电器和电机风扇等硬件，使用3D打印的外壳作为支撑，如下图所示。

最后，设计了一个智能车机器人，并将灭火识别装置安装在此小车上，这样一个灭火机器人就组装好了，如下图所示。

我们用XIAOESP32C3开发板来调用Grove- Vision AI V2模块中部署的火源识别模型，当摄像头识别到火源后，将继电器开关设为高电平状态，风扇开始旋转进行灭火操作，否则将继电器设为低电平状态，具体代码如下所示。
智能车代码就不在这里编写了，请大家看一下最后的效果吧！

#include <Seeed_Arduino_SSCMA.h>
SSCMA AI;

void setup() 
{
 AI.begin();
 Serial.begin(9600);
    pinMode(D2,OUTPUT);
}
void loop() 
{
 if (!AI.invoke())
    {
 Serial.println(AI.boxes().size());
 if (AI.boxes().size() > 0)
         {
 Serial.print("target : ");
 Serial.println(AI.boxes()[0].target);
 if ((AI.boxes()[0].target == 1) && (AI.boxes()[0].score > 90))
            {
                digitalWrite(D2,HIGH);
            }
         }
 else
         {
            digitalWrite(D2,LOW);
         }
    }
}

感谢作者：