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 wyznaczyć obszary, w których uczniowie będą mogli testować swoje projekty. Ponieważ czujnik wizyjny AI jest bardzo czuły, ważne jest, aby dokładnie rozważyć miejsce rozmieszczenia obszarów testowych. Jednak zrozumienie, w jaki sposób otoczenie wpływa na zbieranie danych przez czujnik AI Vision, stanowi istotny element nauki kodowania czujnika. Nie dążysz do czystego i idealnego środowiska!
Unikaj zakłóceń wizualnych
Wybierz miejsce w klasie, w którym przeszkody wizualne będą jak najmniej widoczne. Idealnym miejscem w klasie będzie miejsce, w którym na ścianach nie będzie wisiała duża liczba plakatów ani prac uczniów. Czujnik wizyjny AI robi zdjęcie chwili i odczytuje „plamy” koloru w swoim otoczeniu. Dzięki temu 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 w zmniejszeniu zakłóceń wizualnych.
Zwróć uwagę na oświetlenie otoczenia w swojej klasie.
Warunki oświetleniowe otoczenia mają bezpośredni wpływ na sposób zbierania danych przez czujnik AI Vision. Na odczyty czujnika AI Vision mogą mieć wpływ światło wpadające przez okno, odbicie światła lampy od stołu, ostre cienie lub nierównomierne oświetlenie. Ponieważ każda klasa jest inna, nie ma sztywnych reguł dotyczących umiejscowienia stanowiska testowego. Poniższe sugestie można wykorzystać w połączeniu z wiedzą na temat środowiska w klasie, aby wybrać najlepsze oświetlenie dla czujnika AI Vision.
- Należy rozważyć, w jaki sposób kierunek i ilość światła wpadającego przez okna klasy mogą wpływać na czujnik.
- Warto rozważyć zamontowanie 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 dostosuj projekty kodowania tak, aby odzwierciedlały odczyty.
Skorzystaj z danych z narzędzia AI Vision Sensor Utility, aby wybrać najlepszy obszar konfiguracji.
Eksperymentuj z różnymi obszarami swojej klasy, aby określić miejsce, w którym można zebrać możliwie najlepsze dane. Skonfigurowanie obiektów, na temat których chcesz zbierać dane, i użycie narzędzia AI Vision Sensor Utility do przeglądania danych zbieranych przez czujnik AI Vision może pomóc w potwierdzeniu, czy dana lokalizacja jest idealna, a także w razie potrzeby w ustaleniu, jak ją dostosować. W tym artykule: Zrozumienie danych w narzędziu AI Vision Utility w VEXcode V5 można znaleźć 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 miejscu, 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:
- Konfigurowanie sygnatur kolorów za pomocą czujnika wizyjnego AI w VEXcode V5
- Konfigurowanie kodów kolorów za pomocą czujnika wizyjnego AI w VEXcode V5
Najlepszym sposobem na osiągnięcie sukcesu przez uczniów podczas korzystania z czujnika wizyjnego AI jest pełne zrozumienie przez nich, jakie rodzaje danych raportuje czujnik wizyjny AI i w jaki sposób są one raportowane. Więcej informacji znajdziesz w następujących artykułach:
- Kodowanie z czujnikiem wizyjnym AI w blokach VEXcode V5
- Kodowanie z czujnikiem wizyjnym AI w VEXcode V5 Python
- Kodowanie z czujnikiem wizyjnym AI w VEXcode V5 C++