AI Powered Bull **** -detektor: 6 trinn (med bilder)

Innholdsfortegnelse:

Rekvisita
Trinn 1: Prosjektvideo
Trinn 2: 3D -utskrift
Trinn 3: Elektronikk
Trinn 4: Trening av AI - Dialogflow
Trinn 5: Remo.tv
Trinn 6: Resultat

Video: AI Powered Bull **** -detektor: 6 trinn (med bilder)

2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:22

Den eneste enheten vi alle trenger, en AI Powered Bull **** -detektor!

Rekvisita

Bringebær Pi
NeoPixel ring
3D -skriver
TinkerCAD
Pi kamera
AIY -sett
Google Dialogflow
Python
Raspian
Remo.tv

Trinn 1: Prosjektvideo

Trinn 2: 3D -utskrift

Første ting først, vi trenger en beholder. I dette tilfellet valgte vi å 3D -skrive ut en fin fargerik. Du kan også bruke noe annet, så lenge all elektronikken passer.

Fornøyd med boksen vår, kan vi 3D -skrive ut en bajs -emoji laget av 3DCreatorPurzi. Alt vi trenger å gjøre er å legge til et hulrom i bunnen for å holde NeoPixel -ringen.

Alle modellfilene er vedlagt.

Trinn 3: Elektronikk

Det hele starter med en Raspberry Pi 3B+.

Fordi vi ønsker å bruke tale-til-tekst, må vi også legge til en AIY VoiceHat og den tilhørende mikrofonen. Det hele er dokumentert her.

Sist, men ikke minst, kobler vi opp NeoPixel -ringen, her er en flott opplæring for nettopp det.

Med alt satt opp kan vi teste tale-til-tekst og NeoPixel-ringen, testkoden er vedlagt.

Trinn 4: Trening av AI - Dialogflow

For vår AI skal vi bruke Dialogflow. Opprinnelig var den ment å bli brukt som chatbot -programvare. Vi kan misbruke den litt for å trene Bull Bull -detektoren vår.

Vi skaper to hensikter, den ene er vår fallback, og den andre oksen ****. Deretter legger vi til alt innholdet i treningsfrasene i vår bull **** -intensjon. Du kan virkelig bli gal her.

Etter lagring vil boten vår trene for å oppdage bull **** basert på de gitte treningsfrasene. Når det er gjort, kan vi bruke litt python -kode for å koble til vår nyutdannede AI.

Dataflyten er som følger:

Mikrofonen plukker opp noen som snakker og tar det opp.
Denne filen sendes til Google Cloud og omdannes til tekst.
Den genererte teksten sendes tilbake til Raspberry Pi.
Denne teksten blir deretter sendt til Dialogflow.
Dialogflow prøver å matche teksten med innholdet fra bull **** -intensjonen vår, og avhengig av resultatet vil den enten sende tilbake bull **** -intensjonen eller standardfallback -en.
På vår Pi sjekker vi navnet på intensjonen, og hvis det er 'Standard Fallback Intent', forteller vi lysene til å blinke grønt, noe som betyr at ingen tyr ***. Ellers blinker vi rødt, noe som indikerer bull ****.

Hele koden er vedlagt.

Trinn 5: Remo.tv

Vi kan ikke holde noe så kraftig for oss selv! Så vi skal gjøre vår detektor tilgjengelig for alle. For å få dette til skal vi bruke Remo.tv, en robotstrømningsplattform. Alt vi trenger å gjøre er å koble til et Pi -kamera og følge oppsettsinstruksjonene.

Når Remo.tv er satt opp, skriver vi vår egen chat -behandler. I stedet for å bruke tale-til-tekst sender vi chat-meldingene vi mottar på Remo.tv direkte til Dialogflow. Resten av logikken forblir den samme. Bare legg til et notat i bakgrunnen for å fortelle besøkende hva de ser på, så er vi ferdige.