延續先前的水果分類器教學，今天來和機器人結合吧。一樣使用 MIT App Inventor 的 Personal Image Classifier 網站來訓練以下三種路牌。請實際印出來並放在之後機器人要執行的環境中來行走，這樣效果會比較好。最後把訓練好的 .model 檔上傳到您的 App Inventor 專案中。離線視覺辨識app 就完成囉！
訓練神經網路請參考本文 https://blog.cavedu.com/2019/08/27/app-inventor-image-classifier
樂高機器人組裝範例，基本上就是雙輪器人搭配一個可以放手機的地方就可以囉。其實按照這樣的架構，除了樂高機器人以外，其他任何支援藍牙或 W-Fi的機器人平台 (Arduino / 7697 / microbit) 都可以依樣畫葫蘆。但有了EV3元件 (CAVEDU寫的喔) 就不需要寫 EV3 端的程式，可以節省很多時間了！ App Inventor結合其他物聯網開發板的文章請參考：http://www.appinventor.tw/iot App Inventor端 請先與EV3配對完成，這樣才能在app 的 listpicker 中找到它。 Designer頁面設定請由MIT App Inventor 網站下載 personalImageClassifier擴充檔，或由此下載 .aia原始檔。再匯入您的 App Inventor 專案即可。請注意，PIC元件無法像 Sound元件一樣，無法透過程式指令在執行過程中修改所使用的 model （Sound元件可以隨時修改其 Source 來源檔案） 本專案元件說明如下，您之後可以根據個人需要來修改介面配置：
BlocksSTEP1 PIC元件相關設定 當PIC元件準備完成之後，把在PIC網站上訓練好的模型的 ModelLabel 顯示在Label 上。可以先檢查有沒有匯入錯的辨識模型檔。
STEP2 如果PIC元件發生錯誤的話，把 errorCode 顯示出來
STEP3 EV3的藍牙連線設定 按下 ListPicker，選擇已配對好的EV3，連線成功的話就會讓 Clock 的 timer 啟動來辨識物體。斷線的則一如往常簡單，呼叫 BluetoothClient 的 Disconnect 指令就好。
| STEP4 連續辨識影像 水果辨識器的做法是按下按鈕才辨識一次，但在此希望機器人能連續辨識來做出對應的粽剁，所以改用 Clock。在此設定 clock 的 Timerinterval 為100，請根據實際狀況來調整這個參數，太快太慢都要拿捏一下。
STEP5 取得辨識結果與信心指數並控制機器人 在PIC元件的 GotClassification事件中，所回傳的 result 是 (類別名稱, 信心指數) 的清單，例如 (apple, 0.763)。信心指數原為 0~1之間的小數，在此 x 100 轉換為百分比。 在此先檢查信心指數 (value) 是否大於60，並進一步根據辨識結果來執行對應的動作。EV3motor 的 RotateSyncIndefinetly 可設定 power (馬達轉速) 與 turnRatio (轉彎百分比)turnRatio 設為 0 代表前進不轉彎，> 0 則代表右轉，一路到 100 就會變成原地右轉，但轉彎的效果會根據您機器人的架構而定。 < 0 則代表左轉。 如果您發現 turnRatio > 0 機器人卻左轉的話，請把左右馬達的電線對調即可。 注意，在此使用了 local variable 區域變數 (class, value)，如果您覺得不太習慣的話，改用全域變數也可以。
執行畫面開啟程式會直接開啟相機鏡頭並顯示於app中的 WebViewer元件，隨後會看到 ModelLabel (模型可分辨的影像類別）。點選 Listpicker 來選取您的EV3 (利如下圖中的 00:16:53:49:28:47)，連線成功之後機器人就會開始移動。沒看到路牌就會前進，如果看到路牌就會執行對應的左轉、右轉與停止等動作，一起來玩玩看吧！
相關連結： |
