Használjon számítógépes látást a mezőgazdasági hozam mérésére az Amazon Rekognition egyedi címkéivel

A mezőgazdaságban a termésbecslésben fontos szerepet játszik a fákon lévő gyümölcs mennyiségének azonosítása és megszámlálása. Egyre népszerűbb a fa bérbeadása, bérbeadása, amikor a fa tulajdonosa minden évben a betakarítás előtt bérbe adja a fát a becsült terméshozam alapján. A kézi gyümölcsszámlálás bevett gyakorlata idő- és munkaigényes folyamat. Ez az egyik legnehezebb, de legfontosabb feladat annak érdekében, hogy jobb eredményeket érjen el a terménygazdálkodási rendszerben. Ez a gyümölcs- és virágmennyiség becslése segíti a gazdákat abban, hogy jobb döntéseket hozzanak – nemcsak a lízingárak, hanem a termesztési gyakorlatok és a növénybetegségek megelőzése terén is.

Itt segíthet a gazdálkodóknak egy automatizált gépi tanulási (ML) megoldás a számítógépes látáshoz (CV). Amazon Rekognition egyéni címkék egy teljes körűen felügyelt számítógépes látásszolgáltatás, amely lehetővé teszi a fejlesztők számára, hogy egyedi modelleket építsenek a képeken lévő objektumok osztályozására és azonosítására, amelyek egyediek és egyediek az Ön vállalkozása számára.

A Rekognition Custom Labels szolgáltatáshoz nem szükséges előzetes számítógépes látási szakértelem. A kezdéshez egyszerűen több tíz képet tölt fel több ezer helyett. Ha a képek már fel vannak címkézve, néhány kattintással megkezdheti a modell betanítását. Ha nem, akkor közvetlenül felcímkézheti őket a Rekognition Custom Labels konzolon, vagy használhatja Amazon SageMaker Ground Truth felcímkézni őket. A Rekognition Custom Labels az átviteli tanulást használja a betanítási adatok automatikus ellenőrzéséhez, a megfelelő modell keretrendszer és algoritmus kiválasztásához, a hiperparaméterek optimalizálásához és a modell betanításához. Ha elégedett a modell pontosságával, egyetlen kattintással megkezdheti a betanított modell fogadását.

Ebben a bejegyzésben bemutatjuk, hogyan hozhat létre teljes körű megoldást a Rekognition egyéni címkék segítségével a gyümölcs észlelésére és megszámlálására a mezőgazdasági hozam mérése érdekében.

Megoldás áttekintése

Egyéni modellt hozunk létre a gyümölcs észlelésére a következő lépésekkel:

1. Címkézz egy adatkészletet gyümölcsöt tartalmazó képekkel a használatával Amazon SageMaker Ground Truth.
2. Hozzon létre egy projektet a Rekognition egyéni címkékben.
3. Importálja a címkézett adatkészletet.
4. Tanítsd meg a modellt.
5. Tesztelje az új egyéni modellt az automatikusan generált API-végpont használatával.

A Rekognition Custom Labels lehetővé teszi az ML modell betanítási folyamatának kezelését az Amazon Rekognition konzolon, ami leegyszerűsíti a teljes modellfejlesztési és következtetési folyamatot.

Előfeltételek

A mezőgazdasági hozammérési modell létrehozásához először el kell készítenie egy adatkészletet, amellyel a modellt betanítani kell. Ehhez a bejegyzéshez az adatkészletünk gyümölcsképekből áll. A következő képek néhány példát mutatnak be.

Képeinket saját kertünkből szereztük be. A képfájlokat letöltheti a GitHub repo.

Ebben a bejegyzésben csak néhány képet használunk a gyümölcshozam felhasználásának bemutatására. További képekkel kísérletezhet tovább.

Az adatkészlet elkészítéséhez hajtsa végre a következő lépéseket:

1. Létrehozása Amazon egyszerű tárolási szolgáltatás (Amazon S3) vödör.
2. Hozzon létre két mappát ebben a tárolóban, ún raw_data és a test_data, képek tárolására címkézés és modellvizsgálat céljából.
3. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Feltöltés hogy feltöltsék a képeket a megfelelő mappákba a GitHub-tárhelyről.
   

A feltöltött képek nincsenek címkézve. A következő lépésben címkézze fel a képeket.

Címkézze fel adatkészletét a Ground Truth segítségével

Az ML modell betanításához címkézett képekre van szükség. A Ground Truth egyszerű eljárást biztosít a képek címkézésére. A címkézési feladatot emberi munkaerő végzi; ebben a bejegyzésben magánmunkaerőt hoz létre. Te tudod használni Amazon Mechanical Turk méretarányos címkézéshez.

Hozzon létre egy címkéző munkaerőt

Először hozzuk létre a címkézési munkaerőt. Hajtsa végre a következő lépéseket:

1. A SageMaker konzolon, alatt Alapvető igazság a navigációs ablakban válassza a lehetőséget A munkaerő címkézése.
2. A Magán lapot választani Privát csapat létrehozása.
   
3. A Csapat név, adja meg a munkaerő nevét (ehhez a bejegyzéshez, labeling-team).
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Privát csapat létrehozása.
   
5. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Hívjon meg új dolgozókat.
   
   
6. A Munkavállalók hozzáadása e-mail cím alapján részben adja meg dolgozói e-mail címét. Ehhez a bejegyzéshez adja meg saját e-mail címét.
7. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Hívjon meg új dolgozókat.
   

Létrehozott egy címkéző munkaerőt, amelyet a következő lépésben használ fel a címkézési feladat létrehozása során.

Hozzon létre egy Ground Truth címkézési feladatot

A címkézési munka tökéletesítéséhez hajtsa végre a következő lépéseket:

1. A SageMaker konzolon, alatt Alapvető igazság, választ Címkézési munkák.
2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Címkézési feladat létrehozása.
   
3. A Munka megnevezés, belép fruits-detection.
4. választ A címkézési feladat nevétől eltérő címkeattribútumnevet szeretnék megadni.
5. A Címke attribútum nevebelép Labels.
6. A Bemeneti adatok beállításaválassza Automatikus adatbeállítás.
7. A S3 hely a bemeneti adatkészletekhez, adja meg a képek S3 helyét a korábban létrehozott vödör segítségével (s3://{your-bucket-name}/raw-data/images/).
8. A S3 hely a kimeneti adatkészletekhezválassza Adjon meg egy új helyet és adja meg a megjegyzésekkel ellátott adatok kimeneti helyét (s3://{your-bucket-name}/annotated-data/).
9. A Adattípus, választ Kép.
10. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Teljes adatbeállítás.
    Ez létrehozza a képjegyzékfájlt, és frissíti az S3 bemeneti hely elérési útját. Várja meg a „Beviteli adatkapcsolat sikeres” üzenetet.
    
11. Bontsa Kiegészítő konfiguráció.
12. Igazold hogy Teljes adatkészlet van kiválasztva.
    Ez annak meghatározására szolgál, hogy az összes képet vagy a képek egy részhalmazát kívánja-e megadni a címkézési feladathoz szűrők vagy véletlenszerű mintavétel alapján.
    
13. A Feladat kategória, választ Kép mert ez a képannotáció feladata.
14. Mivel ez egy objektumészlelési használati eset, a Feladat kiválasztásaválassza Határoló doboz.
15. Hagyja a többi lehetőséget alapértelmezettként, és válassza ki Következő.
    
16. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
    
    Most megadhatja a dolgozókat, és beállíthatja a címkéző eszközt.
17. A Munkás típusokválassza Magán.Ennél a bejegyzésnél belső munkaerőt használ a képek kommentálásához. Lehetősége van közszerződéses munkaerő kiválasztására is (Amazon Mechanical Turk) vagy egy partner munkaerő (Az eladó kezelte) a használati esettől függően.
18. Privát csapatoknál¸ válassza ki a korábban létrehozott csapatot.
19. Hagyja a többi lehetőséget alapértelmezettként, és görgessen le a lehetőséghez Határolódoboz-címkéző eszköz.Elengedhetetlen, hogy egyértelmű utasításokat adjon itt a címkéző eszközben a privát címkézési csapat számára. Ezek az utasítások útmutatóként szolgálnak az annotátorok számára a címkézés során. A jó utasítások tömörek, ezért azt javasoljuk, hogy a szóbeli vagy szöveges utasításokat korlátozza két mondatra, és összpontosítson a vizuális utasításokra. Képbesorolás esetén javasoljuk, hogy minden osztályban adjon meg egy-egy címkézett képet az utasítás részeként.
20. Adjon hozzá két címkét: fruit és a no_fruit.
21. Írja be a részletes utasításokat a Leírás mező megadása utasításokat a dolgozóknak. Például: You need to label fruits in the provided image. Please ensure that you select label 'fruit' and draw the box around the fruit just to fit the fruit for better quality of label data. You also need to label other areas which look similar to fruit but are not fruit with label 'no_fruit'Opcionálisan példákat is megadhat jó és rossz címkézési képekre. Győződjön meg arról, hogy ezek a képek nyilvánosan hozzáférhetőek.
22. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Teremt a címkézési feladat létrehozásához.
    

A feladat sikeres létrehozása után a következő lépés a bemeneti képek címkézése.

Indítsa el a címkézési munkát

Miután sikeresen létrehozta a munkát, a munka állapota a következő InProgress. Ez azt jelenti, hogy létrejön az állás, és a magánszemélyek e-mailben értesítést kapnak a rájuk bízott feladatról. Mivel a feladatot saját magának jelölte ki, kapnia kell egy e-mailt a Ground Truth Labeling projektbe való bejelentkezéshez szükséges utasításokkal.

1. Nyissa meg az e-mailt, és válassza ki a megadott hivatkozást.
2. Adja meg az e-mailben megadott felhasználónevet és jelszót.
   Előfordulhat, hogy bejelentkezés után az e-mailben megadott ideiglenes jelszót új jelszóra kell cserélnie.
3. Bejelentkezés után válassza ki a munkát, és válassza ki Kezdj dolgozni.
   
   A mellékelt eszközök segítségével nagyíthatja, kicsinyítheti, mozgathatja és határolókereteket rajzolhat a képekre.
4. Válassza ki a címkét (fruit or no_fruit), majd rajzoljon egy határolókeretet a képre a megjegyzéshez.
5. Ha végzett, válasszon Küld.

Most már megfelelően felcímkézte a képeket, amelyeket az ML modell az edzéshez fog használni.

Hozd létre az Amazon Rekognition projektedet

A mezőgazdasági hozammérési projekt létrehozásához hajtsa végre a következő lépéseket:

1. Az Amazon Rekognition konzolon válassza a lehetőséget Egyéni címkék.
2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Első lépések.
3. A Projekt neve, belép fruits_yield.
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Projekt létrehozása.
   

Projektet is létrehozhat a projektek oldalon. Hozzáférhet a projektek oldalt a navigációs ablakban. A következő lépés a képek megadása bemenetként.

Importálja az adatkészletet

A mezőgazdasági hozammérési modell létrehozásához először importálnia kell egy adatkészletet a modell betanításához. Ennél a bejegyzésnél az adatkészletünk már a Ground Truth címkével van ellátva.

1. A Képek importálásaválassza Importáljon képeket a SageMaker Ground Truth címkéjével.
   
2. A Manifest fájl helye, adja meg a jegyzékfájl S3 vödör helyét (s3://{your-bucket-name}/fruits_image/annotated_data/fruits-labels/manifests/output/output.manifest).
3. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adatkészlet létrehozása.
   

Láthatja a címkézett adatkészletét.

Most már megvan a bemeneti adatkészlete az ML modellhez, hogy elkezdhesse a képzést.

Képezze a modelljét

Miután felcímkézte a képeket, készen áll a modell betanítására.

1. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Vonat modell.
2. A Válasszon projektet, válassza ki projektjét fruits_yield.
3. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Vonatmodell.
   

Várja meg a képzés befejezését. Most elkezdheti tesztelni ennek a betanított modellnek a teljesítményét.

Teszteld a modelledet

Az Ön mezőgazdasági hozammérő modellje most használatra kész, és meg kell jelennie Running állapot. A modell teszteléséhez hajtsa végre a következő lépéseket:

1. lépés: Indítsa el a modellt

A modell részleteinek oldalán, a Használja a modellt lapot választani Rajt.

A Rekognition Custom Labels API-hívásokat is biztosít a modell indításához, használatához és leállításához.

2. lépés: Tesztelje a modellt

Amikor a modell a Running állapotát, használhatja a minta tesztelési szkriptet analyzeImage.py hogy megszámolja egy képen a gyümölcs mennyiségét.

1. Töltse le ezt a szkriptet innen: GitHub repo.
2. Szerkessze ezt a fájlt a paraméter lecseréléséhez bucket a vödör nevével és model az ARN Amazon Rekognition modellel.

A paramétereket használjuk photo és a min_confidence bemenetként ehhez a Python-szkripthez.

Ezt a szkriptet helyileg futtathatja a AWS parancssori interfész (AWS CLI) vagy használja AWS CloudShell. Példánkban a szkriptet a CloudShell konzolon keresztül futtattuk. Vegye figyelembe, hogy a CloudShell az szabadon felhasználható.

Ügyeljen arra, hogy a parancs segítségével telepítse a szükséges függőségeket pip3 install boto3 PILLOW ha még nincs telepítve.

3. Töltse fel a fájlt analyzeImage.py a CloudShellhez a Hozzászólások menüben.
   

A következő képernyőképen látható a kimenet, amely két gyümölcsöt észlelt a bemeneti képen. Fényképként a 15.jpeg fájlt, a 85-öt adtuk meg min_confidence értéket.

A következő példa a 15.jpeg képet mutatja két határolókerettel.

Ugyanezt a szkriptet futtathatja más képekkel, és kísérletezhet a megbízhatósági pontszám további módosításával.

3. lépés: Állítsa le a modellt

Ha végzett, ne felejtse el leállítani a modellt, hogy elkerülje a felesleges költségeket. A modell részleteinek oldalán a Modell használata lapon válassza a Leállítás lehetőséget.

Tisztítsuk meg

A szükségtelen költségek elkerülése érdekében törölje az áttekintésben használt erőforrásokat, amikor nincsenek használatban. Törölnünk kell az Amazon Rekognition projektet és az S3 tárolót.

Törölje az Amazon Rekognition projektet

Az Amazon Rekognition projekt törléséhez hajtsa végre a következő lépéseket:

1. Az Amazon Rekognition konzolon válassza a lehetőséget Használjon egyéni címkéket.
2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Első lépések.
3. A navigációs panelen válassza a lehetőséget projektek.
4. A projektek oldalon válassza ki a törölni kívánt projektet.
   1. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a töröl.
      A Projekt törlése párbeszédpanel jelenik meg.
5. Ha a projekthez nincsenek társított modellek:
   1. belép töröl a projekt törléséhez.
   2. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a töröl a projekt törléséhez.
6. Ha a projekthez vannak társított modellek vagy adatkészletek:
   1. belép töröl annak megerősítéséhez, hogy törölni kívánja a modellt és az adatkészleteket.
   2. Válasszon egyet Társított modellek törlése, Törölje a társított adatkészleteketvagy Törölje a kapcsolódó adatkészleteket és modelleket, attól függően, hogy a modell rendelkezik-e adatkészletekkel, modellekkel vagy mindkettővel.

   A modell törlése eltarthat egy ideig. Vegye figyelembe, hogy az Amazon Rekognition konzol nem tudja törölni az edzésben vagy futó modelleket. A felsorolt ​​futómodellek leállítása után próbálkozzon újra, és várja meg, amíg az edzésként felsorolt ​​modellek befejeződnek. Ha a modell törlése közben bezárja a párbeszédpanelt, a modellek továbbra is törlődnek. Később az eljárás megismétlésével törölheti a projektet.

7. belép töröl a projekt törlésének megerősítéséhez.
8. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a töröl a projekt törléséhez.

Törölje az S3 tárolót

Először ki kell ürítenie a vödröt, majd törölnie kell.

1. A Amazon S3 konzol, válassz Kanalak.
2. Válassza ki az üríteni kívánt vödröt, majd válassza ki Üres.
3. Erősítse meg, hogy ki szeretné üríteni a tárolót, írja be a vödör nevét a szövegmezőbe, majd válassza a lehetőséget Üres.
4. A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a töröl.
5. Erősítse meg, hogy törölni kívánja a gyűjtőzónát úgy, hogy beírja a vödör nevét a szövegmezőbe, majd válassza a lehetőséget Vödör törlése.

Következtetés

Ebben a bejegyzésben megmutattuk, hogyan hozhat létre objektumészlelési modellt Rekognition egyéni címkékkel. Ez a funkció megkönnyíti egy olyan egyéni modell betanítását, amely képes észlelni egy objektumosztályt anélkül, hogy más objektumokat kellene megadnia, vagy az eredmények pontossága elveszne.

Az egyéni címkék használatával kapcsolatos további információkért lásd: Mik azok az Amazon Rekognition egyéni címkék?

---

A szerzőkről

Dhiraj Thakur az Amazon Web Services megoldástervezője. Az AWS-ügyfelekkel és -partnerekkel együttműködve útmutatást ad a vállalati felhő bevezetéséhez, migrációjához és stratégiájához. Szenvedélyes a technológia iránt, és szeret építeni és kísérletezni az analitika és az AI/ML térben.

Sameer Goel Sr. Solutions Architect Hollandiában, aki az élvonalbeli kezdeményezésekre épülő prototípusok építésével segíti elő az ügyfelek sikerét. Mielőtt csatlakozott volna az AWS-hez, Sameer mesterdiplomát szerzett Bostonban, adattudományra koncentrálva. Szeret AI/ML projekteket építeni és kísérletezni a Raspberry Pi-n. Megtalálhatod rajta LinkedIn.