• Home
  • Inline Documentation
  • Private Doc
  • Search
  • Home
  • Inline Documentation
  • Private Doc
  • Search
  • 1 Praktische Relevanz und Innovationskraft
    • 1.1 Das Ziel des Projekts CulinAIbot
    • 1.2 Die praktische Relevanz von CulinAIBot
    • 1.3 Anwendungsfälle und Nutzung der Ergebnisse
    • 1.4 Innovationskraft
  • 2 Workflow und Eingesetzte Methoden
    • 2.1 Architektur
      • 2.1.1 Hardware
      • 2.1.2 Software
    • 2.2 Sprach Dialogsystem
      • 2.2.1 Spracherkennung und Sprachverarbeitung
        • 2.2.1.1 Daten
        • 2.2.1.2 KI-Modelle
      • 2.2.2 Spracherzeugung
        • 2.2.2.1 Daten
        • 2.2.2.2 KI-Modelle
    • 2.3 Bild- und Objekterkennung
      • 2.3.1 Daten
      • 2.3.2 KI-Modelle
    • 2.4 Multimodales Dialogmanagement: Kombination von Sprache und visuellen Daten
    • 2.5 Wahrnehmung und Kartierung
    • 2.6 Action Management
    • 2.7 Autonome Navigation und Mobilitätssystem
    • 2.8 Präzisionsmanipulation und Steuerung der Roboterarme
  • 3 Anwendungen und Ergebnisse
    • 3.1 Bilder des CulinAIBot
    • 3.2 Rezepte suchen und generieren
  • 4 Kritische Reflexion des Projekts
    • 4.1 Auswertung des Projekts
    • 4.2 Herausforderungen während der Umsetzung
    • 4.3 Potential des Projekts
    • 4.4 Schwachstellen des Projekts
    • 4.5 Nächste Schritte
  • 5 Programm Code
  • 6 Zusätzliche Daten
  • 7 Video Pitch
  • 8 Literaturverzeichnis
  • 9. Abkürzungsverzeichnis und Glossar
  • 10 Das Team

2.3.1 Daten

8 views 0[print-me printstyle="pom-small-grey" tag="span" id="2002" target=".title-content-print"]

Written by admin
September 20, 2024

CulinAIBot basiert aktuell auf 53 Objekt-Klassen aus Lebensmitteln, Koch-Utensilien und weiteren Objekten in der Küche. Die Bild- und Videodaten hierfür habe ich selbst aufgenommen. Konkret setzen sich die 53 Klassen wie unten beschrieben zusammen.

Die Zahl der durch das Model erkannten Objekt-Klassen entwickle ich durch weitere Aufnahmen (Fotos, Videos) stetig weiter.

Zur Erhöhung der Robustheit des Datensatzes habe ich z.B. Früchte und Gemüse in verschiedenen Gefäßen (Teller, Schüsseln, …), Umgebungen (Küchenplatte, Kühlschränke) und Seiten (seitlich, von oben, …) aufgenommen. Siehe unten hierfür insb. die Beispielbilder der roten Trauben.

2.3.1.1 Objekt-Klassen

Vorbereitung: Kauf der Lebensmittel.
Erzeugung: Aufnahme der Bilder und Videos mit möglichst hoher Qualität (Auflösung, Beleuchtung).
Nachbereitung: eine Nachbearbeitung war für meine Aufnahmen nicht notwendig.

Lebensmittel (Zahl der Objekt-Klassen = 38):

  1. Früchte (14):
      • Äpfel, Bananen, Orange, Trauben, Zitrone, Zwetchken
    • Kernobst:
      • Äpfel (verschiedene Sorten wie Granny Smith, Gala), Birnen, Quitten,
    • Steinobst:
      • Pfirsiche, Nektarinen, Kirschen, Pflaumen, Aprikosen, Mangos
    • Zitrusfrüchte:
      • Orangen, Zitronen, Limetten, Grapefruits, Mandarinen
    • Beerenfrüchte:
      • Erdbeeren, Blaubeeren (Heidelbeeren), Himbeeren, Brombeeren, Johannisbeeren, Cranberries
    • Exotische Früchte:
      • Ananas, Kiwi, Papaya, Passionsfrucht, Granatapfel, Drachenfrucht (Pitaya)
    • Melonen:
      • Wassermelonen, Honigmelonen, Zuckermelonen (Cantaloupe)
    • Tropische Früchte:
      • Bananen, Kokosnüsse, Litschis, Guaven
  2. Gemüsesorten (14):
    • Blattgemüse (1):
      • Spinat, Grünkohl, Rucola, Kopfsalat, Eisbergsalat, Mangold
    • Wurzelgemüse (2):
      • Karotten, Kartoffeln, Süßkartoffeln, Rote Bete, Pastinaken, Rettich, Radieschen
    • Kohlgemüse (2):
      • Blumenkohl, Brokkoli, Weißkohl, Rosenkohl, Rotkohl, Chinakohl
    • Fruchtgemüse (2):
      • Tomaten, Paprika, Gurken, Zucchini, Auberginen, Kürbis
    • Zwiebelgewächse (3):
      • Zwiebeln (weiß, rot), Knoblauch, Lauch, Schalotten, Frühlingszwiebeln
    • Hülsenfrüchte (3):
      • Grüne Bohnen, Erbsen, Kichererbsen, Linsen
    • Knollengemüse:
      • Knollensellerie, Kohlrabi, Fenchel
    • Pilze (obwohl technisch kein Gemüse) (1):
      • Champignons, Steinpilze, Pfifferlinge, Shiitake
    • Sprossen und Keimlinge:
      • Bohnensprossen, Alfalfa, Mungbohnensprossen
  3. Fleisch und Fisch:
    • Garnelen, Hähnchenbrust, Lachs, Rinderhackfleisch, Schweinekoteletts, Speck
  4. Getreide und Hülsenfrüchte (7):
    • Reis, Nudeln (Penne, Spagetti, Tagliatelle, …), Linsen, Kichererbsen, Quinoa, Haferflocken
  5. Milchprodukte (1):
    • Milch, Butter, Käse (…), Joghurt, Sahne
  6. Gewürze und Kräuter:
    • Basilikum, Curry, Oregano, Pfeffer, Paprika, Rosmarin, Salz
  7. Backzutaten (1):
    • Mehl, Zucker, Backpulver, Hefe, Vanilleextrakt
  8. Getränke (1):
    • Kaffee (Kaffee-Pulver, Kaffee-Bohnen), Saft, Tee, Wasser, Wein

Koch-Utensilien (Zahl der Objekt-Klassen = 15):

  1. Schneidewerkzeuge (1):
    • Messer, Schälmesser, Schneidebrett
  2. Töpfe und Pfannen (2):
    • Bratpfanne, Kochtopf, Suppentopf, Wok
  3. Backutensilien:
    • Backblech, Kuchenform, Auflaufform
  4. Kochbesteck (3):
    • Kochlöffel, Pfannenwender, Schöpflöffel, Teigschaber, Schneebesen
  5. Mess- und Wiegewerkzeuge:
    • Küchenwaage, Messbecher, Messlöffel
  6. Küchengeräte:
    • Mixer, Toaster, Mikrowelle, Herd, Ofen, Kühlschrank, Geschirrspüler, Kaffeemaschine
  7. Kochgeschirr (9):
    • Teller, Schüsseln, Tassen, Gläser, Besteck (Messer, Gabel, Löffel, Kaffeelöffel, Kuchengabel)

Weitere Objekte in der Küche:

  1. Lagerutensilien:
    • Vorratsdosen, Plastikbehälter, Frischhaltefolie, Alufolie
  2. Reinigungsutensilien:
    • Schwämme, Spülmittel, Handtücher, Küchenpapier, Mülleimer
  3. Schränke und Arbeitsflächen:
    • Küchenschränke, Schubladen, Arbeitsplatten
  4. Kochtimer und Thermometer:
    • Küchenthermometer, Eieruhr

Zusätzliche Gegenstände (für spezialisierte Aufgaben):

  1. Elektrische Kleingeräte:
    • Stabmixer, Pürierstab, Wasserkocher, Fritteuse
  2. Spezielle Kochwerkzeuge:
    • Zitronenpresse, Sieb, Nudelholz, Pizzaschneider

Bilder der Klassen des CulinAIBot Bilder-Datensatzes

Beispielbilder der Klasse 001 – Äpfel:

Beispielbilder der Äpfel

Beispielbilder der Klasse 002 – Bananen:

Beispielbilder der Bananen

Beispielbilder der Klasse 003 – Birnen:

Beispielbilder der Birnen

Beispielbilder der Klasse 004 – Orangen:

Bild: Beispielbilder der Orangen

Beispielbilder der Klasse 005 – Trauben:

Bild: Beispielbilder der Trauben

Bilder mit gemischten Klassen des CulinAIBot Bilder-Datensatzes

Beispielbilder mit gemischten Früchte Klassen:

Beispielbilder mit gemischten Früchte Klassen

Beispielbilder mit beliebig gemischten Klassen:

Beispielbilder mit beliebig gemischten Klassen

2.3.1.2 Annotation

Im Projekt CulinAIBot nutze ich Object Detection um die Objekte auf den Bildern zuerkennen. Hierfür annotiert man einen bestimmten Bereich auf dem Bild, man markiert das Objekt mit einem Rahmen. Für das Annotieren haben ich in der Vergangenheit Programme wie Annotate (Annotate, 2022), CELUM (CELUM, 2022), Filestage (Filestage, 2022) oder Roboflow (Roboflow, 2022) getestet. Am Ende habe ich mich für meine Projekte für CVAT entschieden, denn es ist sehr intuitiv und ermöglicht eine sehr gute Bildverwaltung für parallele Projekte.

Neben dem Annotieren nutze ich in meinen Projekten auch Arbeitsschritte wie „in grau wandeln“, „drehen“ oder „zuschneiden“. Dazu nutze ich selbstgeschriebene Python Programme.

In vergangenen Projekten haben Vergleichstests zwischen Annotationsmethoden „Square“ und „Segmentation“ bei der Annotation mit „Segmentation“ zu besseren Erkennungsraten geführt.
Im Projekt CulinAIBot habe ich jedoch die Annotation mit „Square“ genutzt, weil die Annotation mit der Methode „Square“ schneller ist und ausreichend gute Ergebnisse lieferte.

Beispiele für Annotiere Bilder

Beispiele für Annotiere Bilder

Was this helpful?

Yes  No
Related Articles
  • 2.5 Wahrnehmung und Kartierung
  • 3.1 Bilder des CulinAIBot
  • 2.7 Autonome Navigation und Mobilitätssystem
  • 2.8 Präzisionsmanipulation und Steuerung der Roboterarme
  • 9. Abkürzungsverzeichnis und Glossar
  • 2.6 Action Management

No luck finding what you need? Contact Us

Leave A Comment Antworten abbrechen

Previously
2.3 Bild- und Objekterkennung
Up Next
2.3.2 KI-Modelle
Copyright 2024 CulinAIBot.de. All Rights Reserved