当时,他就决定要从事乐高积木转售的新兴行业,并且想要另辟蹊径,利用自动化设备来进行繁琐的分类工作。完整的乐高组和稀有零件,比零散的乐高来得有价值,因此如果他能成功,这将是一门稳赚不赔的生意。
为了要打造乐高分类机,Mattheij首先(当然是..)利用乐高打造了模型。然后花了好几个月进行修正,拼凑出一个堪用的分类原型机,他称呼为“一团瞎拼胡凑的硬件所组合成的独立式机器科学怪人”。
这台“科学怪人”里面有家用跑步机、收款机的输送带、两台冷冻柜的马达,还有一个空气罐和照相机,然后利用了非常大量的快干胶来黏着。以下影片可以看到这台“科学怪人原型机”放慢动作的分类工作情形。
乐高分类机
训练这台乐高自动分类机可不是件容易的事情。一开始的时候,Mattheij要分类超过38,000种造型,超过100种的颜色及色泽,他不断地重新改写软件,但是多方尝试仍旧无法处理如此庞大的工作量。
“历经了六个月的程序编辑,我实在受够了去区分这些细微的不同,重复地测试及筛选乐高配件。”Mattheij说着,于是他使用Keras与TensorFlow深度学习框架训练一个神经网络,并在NVIDIA GeForce GTX 1080 Ti GPU运行GPU加速的cuDNN来进行这项工作,这个方式可以分辨乐高成千上万的造型和颜色。
“新方法只运作了几个小时,就得到比之前更好的成效,这几个月来的痛苦都恍如隔世。”Mattheij说道。
现在,Mattheij打造的乐高分类机,每小时可以分类4,000件乐高积木,正确率达到97%,但是Mattheij认为速度还会更快,正确率也不会受影响。截至目前为止,他已经分类了超过130,000件乐高积木。
“这台分类机效率比人工高得多,而且不需要休息,可以一直工作。”Mattheij说。
点击阅读原文,可阅读他刊登在IEEE Spectrum的文章
优质内容筛选与推荐>>
1、python安装pywin32模块2、javascript笔记:javascript的关键所在---作用域链3、IOS 多播委托(GCDMulticastDelegate)4、生成缩略图、为图片添加文字水印、图片水印的类5、部署ASP.net MVC程序到IIS