IT家のラズパイ製ディープ・ラーニング・カメラ 野菜を自動仕分けするAIマシン製作奮闘記 CQ文庫 / 小池誠 〔

出荷目安の詳細はこちら内容詳細今、ディープ
・ラーニングが農業でも活用され始めています。一見すると難しそうなディープ
・ラーニングですが、パソコンさえあれば誰でもすぐに開発を始められます。本書では、枝豆の選別とキュウリの等級判別を例に、ディープ
・ラーニング開発を体験します。目次 : イントロダクション　農耕機械の自動運転から大きさの選別、温度管理もお任せ！だれでもプロ農家になれる「ディープ
・ラーニング」/ 第1部　体験学習「基礎編」枝豆の選別（インストール不要！ブラウザ上で試せるGoogle　Colaboratory　ステップ1　学習済みモデルの開発環境を準備する/ 正答率UPのキモ！撮影環境の準備から自動保存プログラム作成まで　ステップ2　学習用データ「枝豆の画像」を集める/ 前処理してからファイル
・フォーマットをそろえる　ステップ3　枝豆の画像から学習＆評価用データセットを作る/ 敵対的生成ネットワークGANで量産　ステップ4　枝豆の画像を増やして学習データを拡張する/ 10種類の方法で新たな画像を生成する　ステップ5　枝豆の学習データをさらに増やす画像処理テクニック/ 2粒莢と3粒莢を識別するニューラル
・ネットワークを構築　ステップ6　枝豆の画像から学習済みモデルを作成する）/ 第2部　体験学習「応用編」キュウリの等級判別（キュウリに傷を付けずに複数本の等級を同時に判定する　ステップ1　マシンの仕様を決める/ トリミングやサイズ変換、正規化して正答率UPを図る　ステップ2　ディープ
・ラーニングに使う画像に施す処理のあれこれ/ 該当箇所を切り出して、長さや表面積、太さを算出する　ステップ3　学習用データ「キュウリの画像」の収集＆前処理/ Google　TensorFlowでニューラル
・ネットワークを生成　ステップ4　学習済みモデルの作成/ フィルタ数やサイズ、多層化、活性化関数などを最適化　ステップ5　学習済みモデルをチューニングして正答率を上げる/ 学習済みモデルをラズベリー
・パイに取り込む　ステップ6　キュウリ等級判別マシンの制作）