Étape 7: Programme intel edison en Node.js
0) prendre une photo
en utilisant le script bash pour appeler ffmpeg, prenez une photo et l’enregistrer
<p>/home/root/bin/ffmpeg/ffmpeg -s 320x240 -f video4linux2 -i /dev/video0 -vframes 1 test.jpeg</p>
1) module pour l’analyse d’image
Nous avons créé un module nodejs qui accepte en entrée l’image prise par la webcam et l’envoie à cloudsight à analyser ; puis interroge le serveur jusqu'à ce que l’analyse est terminée.
Module 2) pour l’analyse sémantique
L’étape suivante consiste à catégoriser les résultats précédents, obtenant de préférence la catégorie de l’objet (par exemple, plante, logiciels, etc..). Si ce n’est pas disponible, sont analysées les relations et les propriétés de l’objet (souple, élastique, en bois, etc..).
3) création d’une base de connaissances
À ce stade nous avons supervisé la formation d’un ordinateur pour la création d’une base de connaissance des catégories de déchets de notre intérêt : plastique, humide et indifférenciée. Nous avons soumis la machine un certain nombre d’images connues et on lui a appris quelles catégories appartenaient.
4) l’évaluation des images inconnues
Il reste maintenant à apprendre à la machine à traiter les déchets inconnu. L’image est analysée par les modules décrits ci-dessus, en retournant un ensemble de catégories à laquelle il appartient, ou, si pas disponible, un ensemble de propriétés. A ces données sont attribuées un score pour chaque type de déchets que nous voulons recycler ; le score le plus élevé est interprété comme la corbeille dans qui doit "être levée le rejet. En cas d’indécision, on choisira l’indifférencié.