Czujnik wizyjny AI to potężne narzędzie zbierające dane ze swojego otoczenia, które można wykorzystać do kodowania robota na nieograniczoną liczbę sposobów. Zastosowanie się do sugestii zawartych w tym artykule pozwoli Twoim uczniom na efektywne wykorzystanie czujnika w celu zebrania możliwie najlepszych danych.
Wybór najlepszego miejsca do ustawienia obszaru testowania czujnika wizyjnego AI
Przygotowując się do nauczania z wykorzystaniem czujnika wizyjnego AI, warto wcześniej zastanowić się nad tym, gdzie wydzielisz obszary, w których uczniowie będą mogli testować swoje projekty. Ponieważ czujnik wizyjny AI jest bardzo czuły, ważne jest, aby dokładnie rozważyć, gdzie rozmieścisz obszary testowe. Jednak zrozumienie, w jaki sposób zbieranie danych przez czujnik AI Vision zależy od jego otoczenia, stanowi istotny element nauki kodowania czujnika. Nie dążysz do stworzenia sterylnego i idealnego środowiska!
Unikaj zakłóceń wizualnych
Wybierz miejsce w klasie, w którym zakłócenia wizualne będą jak najmniejsze. Idealnym miejscem w klasie będzie miejsce, w którym na ścianach nie będzie wisiała duża liczba plakatów ani prac uczniów. Czujnik wizyjny AI wykonuje migawkę chwili i odczytuje „plamy” koloru w swoim otoczeniu, dzięki czemu może na przykład rozpoznać czerwone litery na znaku wyjścia ewakuacyjnego jako czerwony obiekt lub rozpoznać niebieskie krzesło w oddali jako niebieski obiekt. Może to spowodować, że robot zachowa się w nieoczekiwany sposób. Wykorzystanie narożnika pokoju również może pomóc ograniczyć zakłócenia wizualne.
Zwróć uwagę na oświetlenie otoczenia w swojej klasie.
Warunki oświetleniowe otoczenia mają bezpośredni wpływ na sposób zbierania danych przez czujnik AI Vision. Światło wpadające przez okno, odbicie światła lampy od stołu, ostre cienie lub nierównomierne oświetlenie — wszystkie te czynniki mogą mieć wpływ na odczyty czujnika AI Vision. Ponieważ każda klasa jest inna, nie ma sztywnych reguł dotyczących umiejscowienia stanowiska testowego. Poniższe sugestie możesz wykorzystać w połączeniu z wiedzą na temat środowiska swojej klasy, aby wybrać najlepsze oświetlenie dla swojego czujnika AI Vision.
- Zastanów się, w jaki sposób kierunek i ilość światła wpadającego przez okna klasy mogą wpływać na czujnik.
- Warto rozważyć dodanie dodatkowego oświetlenia górnego, aby zminimalizować cienie, które mogą wpływać na działanie czujnika.
- Oświetlenie fluorescencyjne w klasach może mieć wpływ na odczyt kolorów przez czujnik. Spróbuj wyłączyć oświetlenie górne i użyć innego źródła światła lub zmodyfikuj projekty kodowania, aby odzwierciedlały odczyty.
Skorzystaj z danych z narzędzia AI Vision Sensor Utility, które pomogą Ci wybrać najlepszy obszar konfiguracji.
Eksperymentuj z różnymi obszarami swojej klasy, aby określić miejsce, w którym można zebrać najlepsze możliwe dane. Skonfigurowanie obiektów, na temat których chcesz zbierać dane, i użycie narzędzia AI Vision Sensor Utility do przeglądania danych zbieranych przez AI Vision Sensor może pomóc w potwierdzeniu, czy dana lokalizacja jest idealna, a także w razie potrzeby w jej dostosowaniu. W tym artykule: Korzystanie z narzędzia AI Vision Utility z czujnikiem AI Vision w VEXcode EXP zawiera więcej informacji na temat korzystania z narzędzia AI Vision Utility.
Zapewnij dokładną konfigurację czujnika AI Vision
Po wybraniu obszaru(ów) testowego(ych) dla czujnika wizyjnego AI upewnij się, że Twoi uczniowie skonfigurują swoje czujniki w tym obszarze. Jeśli robot wykona zdjęcie w innym miejscu, nie będzie ono dokładne ze względu na inne warunki oświetleniowe w tym obszarze, a jego zachowanie nie będzie zgodne z oczekiwaniami. Aby uzyskać informacje na temat konfiguracji kodów kolorów i sygnatur kolorów przy użyciu czujnika AI Vision, zapoznaj się z poniższymi artykułami:
- Skonfiguruj sygnatury kolorów czujnika AI Vision w VEXcode EXP
- Skonfiguruj kody kolorów czujnika AI Vision w VEXcode EXP
Najlepszym sposobem na osiągnięcie sukcesu przez uczniów podczas korzystania z czujnika AI Vision jest pełne zrozumienie przez nich, jakie rodzaje danych raportuje czujnik AI Vision i w jaki sposób są one raportowane. Więcej informacji znajdziesz w następujących artykułach:
- Kodowanie z wykorzystaniem czujnika wizyjnego AI w blokach VEXcode EXP
- Kodowanie z wykorzystaniem czujnika wizyjnego AI w VEXcode EXP Python
- Korzystanie z czujnika wizyjnego AI w VEXcode EXP C++