Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
nekoIoTLT_SearchBlackObject
Search
NearMugi
October 21, 2020
Technology
1
660
nekoIoTLT_SearchBlackObject
NearMugi
October 21, 2020
Tweet
Share
More Decks by NearMugi
See All by NearMugi
nekoIoTLT_NearMugiLLM
nearmugi
0
380
nekoIoTLT_CatAndColorSensor
nearmugi
0
900
VisualProgramming_GoogleHome_LINE
nearmugi
1
550
EnebularMeetup_GoogleCalendar
nearmugi
0
290
nekoIoTLT_ToyAndVoiceAnalysis
nearmugi
0
390
nekoIoTLT_Demachi
nearmugi
0
420
nekoIoTLT_nekoDeeplearning
nearmugi
0
320
nekoIoTLT_nekoGohan
nearmugi
0
510
nekoIoTLT_Tsumetogi
nearmugi
1
710
Other Decks in Technology
See All in Technology
これがLambdaレス時代のChatOpsだ!実例で学ぶAmazon Q Developerカスタムアクション活用法
iwamot
PRO
5
640
Geospatialの世界最前線を探る [2025年版]
dayjournal
0
190
20201008_ファインディ_品質意識を育てる役目は人かAIか___2_.pdf
findy_eventslides
2
590
定期的な価値提供だけじゃない、スクラムが導くチームの共創化 / 20251004 Naoki Takahashi
shift_evolve
PRO
4
360
社内報はAIにやらせよう / Let AI handle the company newsletter
saka2jp
8
1.3k
M5製品で作るポン置きセルラー対応カメラ
sayacom
0
170
Developer Advocate / Community Managerなるには?
tsho
0
110
OCI Network Firewall 概要
oracle4engineer
PRO
2
7.8k
Oracle Base Database Service 技術詳細
oracle4engineer
PRO
11
78k
from Sakichi Toyoda to Agile
kawaguti
PRO
1
110
AI ReadyなData PlatformとしてのAutonomous Databaseアップデート
oracle4engineer
PRO
0
230
Vibe Coding Year in Review. From Karpathy to Real-World Agents by Niels Rolland, CEO Paatch
vcoisne
0
110
Featured
See All Featured
Unsuck your backbone
ammeep
671
58k
Reflections from 52 weeks, 52 projects
jeffersonlam
352
21k
Designing for Performance
lara
610
69k
Faster Mobile Websites
deanohume
310
31k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
33
2.5k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
45
2.5k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
140
34k
Agile that works and the tools we love
rasmusluckow
331
21k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
31
9.7k
Bash Introduction
62gerente
615
210k
The Straight Up "How To Draw Better" Workshop
denniskardys
237
140k
How to Think Like a Performance Engineer
csswizardry
27
2k
Transcript
トイレにある黒い物体を検知する 2020.10.21 夜開催! ねこIoTLT vol.4
自己紹介 NearMugi(ニアムギ) ねこ2匹飼っています。
ねこ紹介 ニア ・3月8日生まれ 11歳 ・もふもふでかわいい ・寒くなってきたのでさらにもふもふに
ねこ紹介 ムギ ・5月8日生まれ 8歳 ・黒猫でかわいい ・メーメー鳴く ・この子も少し毛が伸びた
イントロ みなさんのおうちでこんなこと ありませんか?
イントロ ねこがトイレの前でじっとしている…
イントロ トイレを見てみると中に 黒い物体が。
イントロ 「これを取ってくれ」と言わんばかりに 立っている。
イントロ すぐに取ってあげたい。 気づいてあげたい。
イントロ IoTで解決してみます。
1.トイレの様子を定期的に撮影 2.撮影した画像から黒い物体を検知 3.LINEで通知 大まかな手順
・30分ごとに撮影する ・部屋の明るさの変化を考慮する ・前回撮影した画像と似ている場合は通知しない ・機械学習は使わずに黒い物体を検知する 細かい仕様
1. ESP32+カメラで撮影、GoogleCloudStorage(GCS)へ画像をアップロードする 2. GCSに画像がアップロードされたイベントをトリガーに Cloud Pub/Subからメッセージが 送信される 3. Node-REDフロー内でCloud Pub/Subのメッセージを受信する
4. 画像をGCSから取得して解析する 5. 黒い物体を検知したとき、 LINEに通知する 手順の詳細 GoogleCloudStorage Cloud Pub/Sub GoogleComputeEngine メッセージ受信 画像取得 解析 通知
Cloud Pub/Subのメッセージを受信したら、 画像を取得する 手順の詳細(Node-REDフロー) 前回の画像をGCSから取得する 処理で使うパラメータを GCSから取得する 解析する ログと解析後の画像を GCSへ保存する
黒い物体を検知できたら LINEへ通知する
黒い物体の検知方法 黒い物体を検知するため OpenCVを使いました
黒い物体の検知方法 カメラで撮った画像 → 2値化(白黒)→白黒反転→輪郭を検出→面積を取得 → 面積の大きさから黒い物体があるか判断 画像から黒い物体を検知するまでの処理
黒い物体の検知方法 adaptiveThreshold : 画像をいい感じに2値化(白黒)する findContours : 黒い背景から白い物体の輪郭を検出する contourArea : 輪郭内の面積を取得する
OpenCVの関数
黒い物体の検知方法 -関数の説明(adaptiveThreshold) 元画像 void adaptiveThreshold(const Mat& src, Mat& dst, double maxValue,
int adaptiveMethod, int thresholdType, int blockSize, double C) 定数Cを変化させることで、白黒の範囲を調整できる C:10 白黒割合:0.29 C:20 白黒割合:0.23 C:30 白黒割合:0.18 C:40 白黒割合:0.13 C:60 白黒割合:0.06 C:70 白黒割合:0.04 C:80 白黒割合:0.03 C:90 白黒割合:0.02 C:50 白黒割合:0.09 ここらへんがちょうど良い
黒い物体の検知方法 -関数の説明(findContours, contourArea) void findContours(const Mat& image, vector<vector<Point> >& contours, int
mode, int method, Point offset=Point()) double contourArea(const Mat& contour) 輪郭を検出すると細かい部分も含まれてしまうので、面積の大きさから判断する 元画像に輪郭を検出したデータを合成したもの 面積の大きさにしきい値を設けたもの
通知 黒い物体を検知するとLINEに通知がきます
結果 検出結果をお見せしたいのですが、 黒い物体があれなので 今回は控えさせていただきます。 そこそこの検出具合でした。 明るさの調整が一番難しいです。
黒い物体の検知のポイント 白黒がはっきりしていると検知しやすいので、 大玉の猫砂がおすすめです
まとめ ・機械学習を使わなくてもある程度の検知が出来ると知りました。 照度センサーなどの補助があればもう少し精度が上がりそうです。 ・検知しやすくさせるため砂を平らにならしたり、砂の汚れ具合を 気にするようになりました。 以上となります。 ご清聴ありがとうございました。