服务机器人应用开发（中级）项目4 让机器人认识数字.ppt

*********************************将文件使用scp命令无线传输到机器人端任务实施456在机器人端运行程序任务实施466CONTENT目录项目导入01项目任务02学习目标03任务评价07项目准备05任务实施06知识链接04任务拓展08项目小结09任务评价07自我评价教师评价小组评价自我评价任务评价7小组与教师评价任务评价7CONTENT目录项目导入01项目任务02学习目标03任务拓展08项目准备05任务实施06任务评价07知识链接04项目小结09任务拓展08在白纸上写出一个手机号码，通过摄像头读取并识别，观察准确率。CONTENT目录项目导入01项目任务02学习目标03项目小结09项目准备05任务实施06任务评价07任务拓展08知识链接04项目小结09学习调用sklearn库进行分类器设计和测试在嵌入式设备上移植修改程序THANKYOU*********************研究对象：研究怎样使用计算机实现人类学习活动。传统机器学习、大数据环境下的机器学习。传统机器学习：研究学习机制。大数据环境下的机器学习：注重研究从巨量数据中获取隐藏的、有效的、可理解的知识。机器学习简介主要分类知识链接134建立在scipy科学计算库的基础之上，专注于数据建模，常与numpy库和pandas库共用。sklearn库的一些常用模块：聚类交叉验证数据集降维集成方法特征提取参数调整流形学习有监督学习模型认识sklearn机器学习库知识链接144KNN算法即KNearestNeighbor算法。其中的K表示与自己最接近的K个数据样本。在一个样本空间中的样本已被分成多个类型，现在给定一个待分类的新数据，通过计算与自己最接近的K个样本来判断这个待分类的新数据属于哪个分类，即由那些离自己最近的K个点来投票决定待分类的新数据归为哪一类，新数据应归类为得票最多的那一类。如右图，K取值不同时，分类结果可能不一样。KNN算法原理简介知识链接154KNeighborsClassifier分类器简介知识链接164MNIST数据集是美国国家标准与技术研究院收集整理的大型手写数字数据库，包含60,000个示例的训练集以及10,000个示例的测试集。在MNIST数据集中，手写数字一共10种，即0、1、2、3、4、5、6、7、8和9等10种。在60000张训练集图片中，有5923张数字0图片，6742张数字1图片，5958张数字2图片，6131张数字3图片，5842张数字4图片，5421张数字5图片，5918张数字6图片，6265张数字7图片，5851张数字8图片，5948张数字9图片。数据集总体组成：详细构成：MNIST数据集简介（一）知识链接174每张图片的构成：是灰度图，如右图所示是某一张图片0。标记：整数0，或者写成独热标记向量[1,0,0,0,0,0,0,0,0,0]。MNIST数据集简介（二）知识链接184右侧的程序首先创建了一个12字节长的缓冲区buffer，然后使用struct包中的pack_into函数向buffer中写入数据，控制格式为’BHI5s’，这个格式串包括四部分格式符，相应地被打包的数据也包括四部分（10,18,288,bhello）。打包之后，使用binascii包中的hexlify方法将buffer中的数据转换成16进制格式进行展示。最后，使用struct包中的unpack_from函数将真实数据从buffer中解包出来，解包时要提供控制格式串和偏移量。struct包的基本用法：Python中实现图像文件处理的基本操作知识链接194字节序和struct包格式符知识链接204append命令可以添加单个元素，也可以添加可迭代对象，而extend命令只能添加可迭代对象。差异：append和extend的差异知识链接214策略1：在桌面或移动笔记本端进行模型训练，然后把模型训练的结果存为文件，将文件转移到树莓派ARM架构下，在树莓派ARM架构下进行模型测试和应用。策略2：直接在机器人上单步运行调试会非常卡顿，所以采用在PC端计算机先对程序进行编辑、语法和业务功能基本操作调试，最后再移植到机器人端对其进行环境配置和少量功能调试。机器人识别数字方案设计总体业务场景设计流程图如