情報技術科 No.23 高澤 礼亜琉
①研究の背景
多くの電子機器が溢れている現代で、
電気の供給や情報の送信に欠かせないのがケーブル。
ケーブルの端子は幾つも存在しているため、
誤って違う端子を挿してしまったり、
端子の用途が分からなくなってしまうことがある。
そこで端子を判別できるものがあれば便利だと考えた。
②仮説とねらい
Googleがオープンソースで公開している「TensorFlow」という
ライブラリを用いれば機械学習により端子を自動で判別することができるはず。
また、「TensorFlow」はJavascript版のライブラリがあるため、
Webに簡単に判別機能を追加できる。
③研究内容
動作の手順は以下の通り。
① TensorFlowで事前に訓練を済ませておき、判別機を保存。
② Webカメラからリアルタイムに映像を取得
③ ②に映った端子と①で作成した判別機を用いて評価する。
④ どの端子なのかが出力。
④技術的知識
扱う言語
・HTML
・CSS
・Python
・JavaScript
扱うライブラリ
・TensorFlow
開発環境
・Visual Studio Code
⑤取り組んだ内容
・Webページの作成。
・「Google Images Download」を用いた画像スクレイピング
・TensorFlowのインストール。及び、判別機の作成。
→TensorFlowでの判別機(モデル)の作成がうまくいかなかった為、
ウェブ上で判別機を作成出来る「Teachable Machine」を活用した。
これもJavaScript用のライブラリがあるため、
クラウド上にモデルをアップロードすることで判別機能を追加可能になった。
⑥結果
実現したかった機能を組み込んだWebアプリケーションの作成に無事成功した。
⑦感想・考察
端子判別機は完成したが、判別できる端子の種類が現時点で11種類ほどで、
まだ実用化には向いてないということが問題点として挙げられる。
また、Webアプリよりスマホアプリの方が格段に使い勝手が良いと思ったので
改良の余地があると感じた。
試験的に画像を20枚ほど学習させたときにLightningケーブルと
micro USB type-Bとでは認識率に大幅な差があった。
これには学習に用いた画像の画質が大きく影響したいると予想した。
試しに携帯のカメラから撮影した画像を学習に用いたら、
micro USB type-Bの認識率が向上した。