果识 - 乌兹到底行不行

4 餐厅及后厨卫生安全的自动监测/果识 - 乌兹到底行不行/main.py

@@ -0,0 +1,22 @@
+import cv2
+import os
+import boto3
+import json
+
+def check_frame(frame):
+	payload = json.dumps(frame.tolist())
+	response = client.invoke_endpoint(EndpointName=ENDPOINT_NAME, ContentType='application/json',Body=payload)
+	res = json.load(response['Body'])['predictions']
+	return res[0] > res[1]
+
+cap = cv2.VideoCapture('动画师如何用蔬菜水果拍摄一段定格动画，看饿了.flv') #打开摄像头
+while True:
+	ret, frame = cap.read() #读取摄像头画面
+	cv2.imshow('v', frame)
+	cv2.waitKey(30)
+	# if not check_frame(frame): #判断是否有腐烂的水果
+	# 	print('有腐烂的水果')
+#初始化调用endpoint
+ENDPOINT_NAME = 'sagemaker-tensorflow-serving-2020-09-14-21-13-59-342'
+client = boto3.client('runtime.sagemaker', region_name='cn-northwest-1', aws_access_key_id='', aws_secret_access_key='')
+

4 餐厅及后厨卫生安全的自动监测/果识 - 乌兹到底行不行/readme.md

@@ -0,0 +1,32 @@
+# 果识 - 乌兹到底行不行
+
+## 作品介绍
+
+通过AWS SagerMaker训练图片分类模型并部署。使用opencv调用摄像头获取图片，使用boto3调用endpoint部署的算法。
+
+## 使用的AWS服务和技术
+
+* 将训练数据上传到 AWS S3
+* 使用SageMaker 训练任务 训练图片分类模型
+* 使用SageMaker Endpoint 部署模型
+* 使用开发工具包 boto3 调用模型
+
+## 实现过程
+
+### 数据来源
+[水果图片数据集](https://www.kaggle.com/sriramr/fruits-fresh-and-rotten-for-classification)
+
+共包括3种新鲜水果和3种腐烂水果
+
+### 训练图片分类模型
+![](截图/s3数据.png)
+![](截图/训练超参数.jpg)
+![](截图/数据配置.jpg)
+![](截图/训练指标.jpg)
+![](截图/部署终端节点.jpg)
+
+### 调用摄像头获取图片并分类
+![](截图/摄像头拍摄视频.png)
+
+## 贡献者名单及联系方式
+孙东牛 [email protected]

4 餐厅及后厨卫生安全的自动监测/果识 - 乌兹到底行不行/生成lst文件.py

@@ -0,0 +1,20 @@
+import os
+from sklearn import preprocessing
+le = preprocessing.LabelEncoder()
+labels = ['freshapples', 'rottenapples']
+le.fit(labels)
+idx = 0
+
+def lst(channel):
+	global idx
+	dirs = os.listdir(channel)
+	with open(channel + '.lst' , 'w', encoding='utf-8') as fp:
+		for label in dirs:
+			class_num = str(le.transform([label])[0])
+			files = os.listdir(os.path.join(channel, label))
+			for file in files:
+				fp.write(str(idx) + '\t' + class_num + '\t' + label + '/' + file + '\n')
+				idx += 1
+
+lst('train')
+lst('validation')