Μελέτη και ανάπτυξη λογισμικού ανίχνευσης αντικειμένων με χρήση του Raspberry Pi 4

Abstract

Η παρούσα διπλωματική εργασία μελετάει το πεδίο της τεχνητής νοημοσύνης και πιο συγκεκριμένα τα υποπεδία του, δηλαδή την μηχανική και βαθιά μάθηση. Τα δύο πεδία αυτά εφαρμόζονται σήμερα σε πολλούς τομείς και έχουν βοηθήσει με πολλούς τρόπους είτε την καθημερινότητα των ανθρώπων είτε όσον αφορά την μελέτη και την έρευνα συγκεκριμένων θεμάτων. Επειδή τα πεδία αυτά εκτός από το παρόν θα αποτελέσουν και το μέλλον, επικεντρωθήκαμε στο να δημιουργήσουμε μια εργασία που να επεξηγεί τόσο το θεωρητικό κομμάτι ενός μοντέλου μηχανικής μάθησης, όσο και την διαδικασία της κατασκευής του. Πιο συγκεκριμένα επιλέχθηκε η δημιουργία ενός μοντέλου που έχει σχέση με την επικαιρότητα και θα ήταν χρήσιμο για την κοινωνία. Το μοντέλο αυτό έχει έμμεση σχέση με την υγεία, που είναι από τους σημαντικότερους τομείς τους οποίους μπορεί να βοηθήσει η μηχανική μάθηση και συγκεκριμένα η επιλογή του επηρεάστηκε από τα πρόσφατα γεγονότα της διασποράς του ιού covid-19. Ειδικότερα γίνεται ανάλυση και συγγραφή κώδικα που αφορά την εκπαίδευση ενός βέλτιστου μοντέλου ανίχνευσης χειρουργικής μάσκας ή μη στα πρόσωπα ανθρώπων. Το μοντέλο εκπαιδεύεται σε ένα σύνολο δεδομένων από πρόσωπα που φορούν ή δεν φορούν μάσκα και έπειτα χρησιμοποιείται σε μια εφαρμογή, για την πρακτική εμφάνιση άμεσων αποτελεσμάτων σε βίντεο ζωντανής μετάδοσης. Έτσι η διπλωματική εργασία συνεχίζει αναλύοντας τον δεύτερο κώδικα που κατασκευάστηκε για την χρήση του μοντέλου ανίχνευσης χειρουργικής μάσκας και επεξηγείται η εκτέλεση του μοντέλου όχι σε έναν σταθερό ή φορητό υπολογιστή αλλά σε μια συσκευή αιχμής και συγκεκριμένα το Raspberry Pi 4. Οι συσκευές αιχμής είναι μικρές, βολικές, μπορούν να τοποθετηθούν σε μέρη που ένας υπολογιστής δεν είναι εφικτό να τοποθετηθεί και δεν καταναλώνουν πολλούς πόρους, άρα και ενέργεια.