打造个性化的“智能稻草人”.docx

打造个性化的“智能稻草人”

谢作如浙江省温州中学

邱奕盛华东师范大学

稻草人是农村常见的“安防设备”。因为有“人”的外形，有风时它会摆动手臂并发出声音。农民常常在稻田间扎上一个，用于驱赶麻雀之类的鸟儿，避免其偷食庄稼。

科技在不断发展，稻草人也应与时俱进。在当前的低门槛AI开发工具的支持下，学生完全能够设计出一款“智能稻草人”作品，让“它”从仅仅“外表像人”走向“内心也像人”——通过摄像头，准确判断是否有鸟儿来偷食或者有野猪来破坏，并且能根据不同的情况发出不同的音效来驱逐，同时通过警报通知主人。当然，也可以用稻草人监视是否有小偷来盗取，或者其他的意外情况，只要通电它就能够日夜工作，保护农民财产。

“智能稻草人”和传统稻草人的本质区别在于前者具备视觉识别功能，能够区分正常和非正常状态，从而输出不同的信号。从信息系统的角度看，“智能稻草人”是一款内置了AI识别功能，具备基本传感和控制功能的简易信息系统。

一般而言，对图像的识别有三种实现方式：第一种是调用现成AI开放平台的网络API，如百度、腾讯、商汤的AI平台的API；第二种是使用本地的AI应用平台API，如OpenCV、MediaPipe；第三种是自己训练模型，进行推理。从工程的角度看，三种方式没有高低之分，只要识别效果好就是好的解决方案。

考虑到稻草人要部署的场景和识别的图像往往比较个性化，现成API没有对应的功能，只能选择自行收集数据训练模型的方式。因为MMEdu是一个很好的AI模型训练工具，对学生来说，只要确定好场景，然后根据需求收集相应的数据，就能训练出合适的AI模型，技术难度并不高。

从原理和功能上看，安防类器材其实都类似稻草人——实时监控并自动报警。因而，我们可以将“智能稻草人”作为现代智能安防设备的形象通俗的名称。我们设计的“智能稻草人”应用场景也从农村移到都市——用于保护城市的白色墙壁，防止一些调皮的小孩或者行为不羁的“艺术家”的破坏，即涂鸦。其核心功能设计如下。

①基本功能：识别要监视的白色墙壁是否有可疑人群来“涂鸦”。

②根据可疑人群在摄像头前停留的时间长短，输出不同的语音提示，并同时保存画面，留下证据。

③在输出语音提示的同时，还能用挥动“提示牌”的方式，友好地进行提醒。

“智能稻草人”采用开源硬件行空板，编程语言选择了Python，其涉及的核心技术如下。

一次泥石流固体冲出物按照《泥石流灾害防治工程勘查规范》(DT/T0220-2006)附录I提供的计算公式进行计算：

摄像头控制最好用的库肯定是OpenCV。OpenCV的全称是OpenSourceComputerVisionLibrary，是一个跨平台的计算机视觉处理开源软件库。

计算机视觉开发工具选择了MMEdu。MMEdu源于国产人工智能视觉算法集成框架OpenMMLab，是一个“开箱即用”的深度学习开发工具。初学者通过简洁的代码即可完成各种SOTA模型的训练。

为了节省算力和能源，在检测到有人活动时才打开摄像头，就需要一个能读取红外热释电传感器信息的Python库，同时，还准备用舵机发出类似“招手”的可爱动作，可见，驱动开源硬件的库是不可少的。Pinpong是一个基于Firmata协议开发的Python硬件控制库，能够获取传感器数据，驱动舵机、LED等执行器，执行特定的动作。

除了以上的几个工具，其实还需要语音合成库，如Pyttsx3。这是一个Python的文字转语音库，支持英文和中文等多种语言，可以调节语速、语调等。如果想同时驱动其他的智能设备，如电灯，那么还需要物联网MQTT的库，如siot。

收集数据是最核心的工作。数据收集方式其实很多，如找一个摄像头软件，保存摄像头的画面，也可以使用OpenCV编写一个代码来保存图片，类似摄像头抓图工具。当然，使用数码相机或者手机直接拍照也是可以的，只不过图片容量会比较大，造成数据集也会很多，还要找个工具批量转换。一般来说，摄像头的画面用1028*720就差不多了。

MMEdu的图像分类模块采用的数据集为ImagesNet格式，按照规范分出训练集、验证集和测试集即可。收集数据的工作其实也不难，就是把图片分为两类，一类为正常的画面，即没有可疑的人在“涂鸦”的画面，另一类则相反，画面中有人在做“涂鸦”的动作，或者准备做“涂鸦”动作（如图2）。

如果想识别出画面中的“人”，则需要使用目标检测的方法，数据集中的每一张照片都要做好标注，相对来说工作量比较大。而OpenInnoLab平台提供的数据集标注工具，使用起来则比较方便，下页图3所示是在OpenInnoLab中标注数据集。

虽然MMEdu训练模型的代码很简单，但总有人对编写代码有一种天然的恐惧。因此，MMEdu团队准备了一个EasyTrain的小工具，你可以在图形化界面中正确选择算法，填写路径以及