AI Powered Bull**** Detektor - Gunook

2024 Autor: John Day | [email protected]. Zuletzt bearbeitet: 2024-01-30 07:17

Das einzige Gerät, das wir alle brauchen, einen KI-betriebenen Bull****-Detektor!

Lieferungen

• Himbeer-Pi
• NeoPixel-Ring
• 3D Drucker
• TinkerCAD
• Pi-Kamera
• AIY-Kit
• Google Dialogflow
• Python
• Raspian
• Remo.tv

Schritt 1: Projektvideo

Schritt 2: 3D-Druck

Das Wichtigste zuerst, wir brauchen einen Container. In diesem Fall haben wir uns für den 3D-Druck eines schönen farbenfrohen Modells entschieden. Sie können auch etwas anderes verwenden, solange die gesamte Elektronik passt.

Zufrieden mit unserer Box können wir ein Poop-Emoji von 3DCreatorPurzi in 3D drucken. Alles, was wir tun müssen, ist im Boden einen Hohlraum hinzuzufügen, um unseren NeoPixel-Ring zu halten.

Alle Modelldateien sind angehängt.

Schritt 3: Elektronik

Alles beginnt mit einem Raspberry Pi 3B+.

Da wir Speech-To-Text verwenden möchten, müssen wir auch noch einen AIY VoiceHat und das entsprechende Mikrofon hinzufügen. Hier ist alles dokumentiert.

Zu guter Letzt verkabeln wir den NeoPixel-Ring, hier ist ein großartiges Tutorial dafür.

Wenn alles eingerichtet ist, können wir den Speech-To-Text- und NeoPixel-Ring testen, der Testcode ist beigefügt.

Schritt 4: Training der KI - Dialogflow

Für unsere KI werden wir Dialogflow verwenden. Ursprünglich sollte es als Chatbot-Software verwendet werden, wir können es leicht missbrauchen, um unseren Bull****-Detektor zu trainieren.

Wir erstellen zwei Absichten, einer ist unser Fallback und der andere Bull****. Als nächstes fügen wir den gesamten Inhalt in die Trainingsphrasen unserer bull****-Intention hinzu. Hier kann man richtig durchdrehen.

Nach dem Speichern trainiert unser Bot, um Bull**** basierend auf den gegebenen Trainingsphrasen zu erkennen. Sobald dies erledigt ist, können wir uns mit ein wenig Python-Code mit unserer frisch trainierten KI verbinden.

Der Datenfluss ist wie folgt:

1. Das Mikrofon nimmt eine sprechende Person auf und zeichnet sie auf.
2. Diese Datei wird an die Google Cloud gesendet und in Text umgewandelt.
3. Der generierte Text wird an den Raspberry Pi zurückgesendet.
4. Dieser Text wird dann an Dialogflow gesendet.
5. Dialogflow versucht, den Text mit dem Inhalt unseres bull****-Intents abzugleichen, und sendet je nach Ergebnis entweder den bull****-Intent oder den Standard-Fallback-Intent zurück.
6. Auf unserem Pi überprüfen wir den Namen des Intents, und wenn es "Default Fallback Intent" ist, weisen wir die Lichter an, grün zu blinken, was bedeutet, dass kein Bull*** ist. Andernfalls blinken wir rot und zeigen Bull**** an.

Der vollständige Code ist beigefügt.

Schritt 5: Remo.tv

Wir können etwas so Mächtiges nicht für uns behalten! Also werden wir unseren Detektor für jedermann zugänglich machen. Um dies zu ermöglichen, werden wir Remo.tv verwenden, eine Roboter-Streaming-Plattform. Alles, was wir tun müssen, ist eine Pi-Kamera anzuschließen und deren Einrichtungsanweisungen zu befolgen.

Sobald Remo.tv eingerichtet ist, werden wir unseren eigenen Chat-Handler schreiben. Anstatt Speech-To-Text zu verwenden, senden wir die Chatnachrichten, die wir auf Remo.tv erhalten, direkt an Dialogflow. Der Rest der Logik bleibt gleich. Fügen Sie einfach eine Notiz im Hintergrund hinzu, um den Besuchern mitzuteilen, was sie sich ansehen, und wir sind fertig.

Schritt 6: Ergebnis

Wir haben erfolgreich einen KI-betriebenen Bull****-Detektor gebaut, der aus neuen Eingaben lernen kann!

Hier können Sie es selbst ausprobieren.

Wo können wir nun unseren Friedensnobelpreis abholen?