ขั้นตอนที่ 1.เตรียมรูปภาพ (Dataset) หลายๆมุมมอง ที่ต้องการจะทำ Project โดยเป็นการถ่ายภาพหรือนำภาพจาก Internet มาใช้ ร่วมกัน
คำแนะนำ:ถ้าต้องการถ่ายภาพ ให้ใช้พื้นหลังสีที่ไม่ฉูดฉาดหรือลายตามากเกินไป ถ้ารูปภาพ (Dataset) จำนวนไม่มากให้ใช้กล้องที่ต้องการทำ Project นั้นถ่ายจะทำให้ค่าของแสงใกล้เคียงกัน
รูปที่ 1.1 ไฟล์ Dataset ที่เราต้องการนำมาทำ Project
ดาวน์โหลด Datasetกล้วย ได้ที่นี่:drive.google.com/drive/folders/1H5oVu7QDRZeVxNL_5OEFo3QMBPdSTF0i?usp=sharing
ขั้นตอนที่ 2.เปิดโปรแกรม CiRA CORE แล้วลากกล่อง Deep Trian ออกมาเพื่อใช้งาน
คำแนะนำ:ก่อนที่จะเปิดโปรแกรม CiRA CORE ต้องเปิดโปรแกรม ROS CORE ให้ RUN คำว่า [/rosout] ขึ้นมาก่อนเสมอ
รูปที่ 2.1 เปิด ROS CORE
รูปที่ 2.1 เปิด CiRA CORE แล้วลากล่อง Deep Train มา
ขั้นตอนที่ 3.กดเข้าไปในปุ่มฟันเฟือง ที่อยู่ในกล่อง Deep Train แล้วทำการ Load Images โดยเลือกไฟล์ที่เราทำการ Sasve Dataset ไว้ แล้วกด Choose
รูปที่ 3.1 กดเลือกไฟล์ Dataset ที่เราทำการเตรียมมา
ขั้นตอนที่ 4.จะเป็นการ Labeling รูปภาพ และตั้งชื่อให้กับวัตถุนั้น
คำแนะนำ:ในการขั้นตอนการทำ Labeling ควรตีกรอบให้ครอบคลุมในส่วนที่ต้องการมากที่สุด
รูปที่ 4.1 เป็นการตีกรอบกล้วยที่ไม่มีคุณภาพ
รูปที่ 4.2 เป็นการตีกรอบกล้วยที่มีคุณภาพ
ดาวน์โหลด ไฟล์ GT ได้ที่นี่:drive.google.com/drive/folders/1mNSMyFHtbszTI0K1gFfc3xJ73q2xMKVT?usp=sharing
ขั้นตอนที่ 5.เมื่อตีกรอบจนครบทุกรูป ทำการกด Save GT แล้วทำการตั้งชื่อให้กับไฟล์ GT
คำแนะนำ:สร้างเป็น Folder ใหม่เพื่อจะทำให้ไม่เกิดความสับสนและหาได้ง่าย
รูปที่ 5.1 สร้าง Folder ใหม่และตั้งชื่อ
รูปที่ 5.2 ตั้งชื่อให้กับ ไฟล์ GT
ขั้นตอนที่ 6.จะเป็นขั้นตอนการ Train Model โดยกดที่ Trining แล้วทำการเลือก Model ให้เหมาะสมกับการทำงานของการ์ดจอ แล้วคลิกที่ Generate เพื่อกดเลือกไฟล์ที่ทำการ Save GT ไว้หลังจากนั้นรอจน โหลด Generate เสร็จ ให้ทำการกด Train แล้วทำการคลิกที่ Yes
คำแนะนำ:ควรใช้ Laptop ที่มีการ์ดจอจะทำให้การ Train มีประสิทธิภาพมากขึ้น และ CiRA CORE ไม่สามารถ Trinning ไฟล์ที่ Save ไว้ใน Drive E:
รูปที่ 6.1 จะเป็นการกดเลือก Model ที่จะใช้ในการ Train
รูปที่ 6.2 เป็นการกดเลือกไฟล์ที่เรานำมา Labeling
รูปที่ 6.3 รอจนกว่า Generate จะโหลดเสร็จ
รูปที่ 6.4 ทำการกด Yes เพื่อเริ่ม Train Model
รูปที่ 6.5 ทำการ Train Model ไปเรื่อยๆ
ขั้นตอนที่ 7.รอจนกว่าค่า Avg loss จะมีค่าน้อยที่สุดหรือคงที่นานที่สุด หลังจากนั้นให้กด Export แล้วทำการ Save Model ไว้ใน Folder ที่เราสามารถจำได้ แล้วกด Choose เพื่อทำการ Save
คำแนะนำ:ตั้งชื่อไฟล์เป็นภาษาอังกฤษ เพราะโปรแกรม CiRA CORE ไม่สามารถรับรองไฟล์ภาษาไทยได้
รูปที่ 7.1 ค่า Avg loss อยู่ในระดับที่พอใจ
รูปที่ 7.2 จะเป็นการสร้าง Folder ใหม่
รูปที่ 7.3 เป็นการตั้งชื่อ Folder ที่เรา Save Model ไว้
ดาวน์โหลด Model ได้ที่นี่:drive.google.com/drive/folders/1zzEYlzaX4oI-IOnL9pAoxr5dk4borvH7?usp=sharing
ขั้นตอนที่ 8.จะเป็นการทดสอบ Model โดยการลากกล่อง Deep Detect ออกมา แล้วทำการกดที่ฟันเฟือง เพื่อที่จะ Config พร้อมกับกดที่เครื่องหมาย + แล้วตั้งชื่อ หลังจากนั้นกดที่ Yes แล้วทำการเลือกไฟล์ ที่เรา Save Model ไว้แล้วทำการกด Choose เพื่อทำการทดสอบ Model ที่เรา Train ว่ามีความแม่นยำมากแค่ไหน
คำแนะนำ: Model จะฉลาดหรือไม่ ขึ้นอยู่กับการเตรียมรูปภาพ (Dataset) และระยะในการ Train
รูปที่ 8.1 นำ Video มาทดลอง
รูปที่ 8.2 เลือกไฟล์ video ที่เราเตรียมมาทดสอบกับ Model
รูปที่ 8.3 ตั้งชื่อให้กับ Model ที่เราจะนำมาทดสอบ
รูปที่ 8.4 เลือกไฟล์ที่เราทำการ Save Model ไว้
รูปที่ 8.5 เป็นการกดเลือก Model
ดาวน์โหลด Video การทดลองได้ที่นี่:drive.google.com/file/d/1PxWIffcOQh14K6brf5wcbjqoeOC_Kca8/view?usp=sharing
ขั้นตอนที่ 9.เป็นการตรวจสอบผลว่า Model ที่เรานำมาทำการ Trainning มีความแม่นยำมากพอหรือไม่
คำแนะนำ: ถ้า Model ไม่มีความแม่นยำพอให้กลับไปเตรียม Dataset และทำการ Labeling ใหม่
รูปที่ 9.1 Ai ตรวจพบว่าเป็นกล้วยที่ไม่มีคุณภาพ
รูปที่ 9.2 Ai ตรวจพบว่าเป็นกล้วยที่มีคุณภาพ
