使用 Watson 实现垃圾回收  

创建一个使用 Watson Visual Recognition 自定义分类器对垃圾进行分类的 iOS 手机应用程序

Description

美国的垃圾回收率不到 35%,其中一个主要问题就是处置不当。本 Code Pattern 将介绍如何创建一个移动应用程序,使用 Watson Visual Recognition 自定义分类器、API 服务器和 iOS 应用程序将垃圾分为填埋、回收或堆肥 3 类。您可以将该应用程序作为基础,用来构建自己的自定义可视识别分类器。

概览

过多的垃圾正成为当今世界的一个问题。因此,如果我们可以减少运往垃圾填埋场的垃圾量,并对它们进行回收或制成堆肥,将会对社会很有帮助。在本 Code Pattern 中,您将了解如何构建一个可将垃圾分为 3 类(填埋、回收或堆肥)的移动应用程序。

该应用程序包含 3 个主要组件:Watson Visual Recognition、一个 API 服务器(在本例中为 Python Server with Flask) 和一个 iOS 应用程序。使用移动应用程序在手机上拍照,然后将图像发送到服务器应用程序。服务器应用程序将图像发送到 Watson Visual Recognition 服务,后者对图像进行分类并将结果发送回服务器。最后,将结果返回到移动应用程序上。服务器应用程序使用常见垃圾的照片来训练 Watson Visual Recognition 识别各种垃圾。

读者完成本 Code Pattern 后,将会掌握如何:

  • 创建一个能利用 Watson Visual Recognition 服务对图像进行分类的使用 Flask 的 Python 服务器。
  • 创建一个使用 Web UI 或命令行的 Visual Recognition 自定义分类器。
  • 创建一个移动应用程序,它可以将照片发送给服务器应用程序,以便使用 Visual Recognition 对照片进行分类。

  1. 使用移动应用程序捕捉图像。
  2. 该应用程序将图像传递给在云中运行的服务器应用程序。
  3. 服务器将图像发送给 Watson Visual Recognition 服务,后者执行分析并将分类结果返回到移动应用程序。
  4. Visual Recognition 服务对图像进行分类,并将信息返回给服务器。

Instructions

准备好利用本 Code Pattern 了吗?有关如何开始运行和使用此应用程序的完整细节,请参阅 README

相关博客

全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

一款全新的 Watson Machine Learning(WML)产品,旨在帮助企业训练和部署内置于 IBM Watson Studio 中的机器学习模型,并采用 IBM Watson OpenScale 进行监测。

继续阅读 全新 Watson Machine Learning Accelerator 助力机器学习训练,速度超越竞争对手 46 倍

通过无服务器计算实现更多功能:将 Cloud Functions 与无服务器 SQL 结合使用

可以通过 SQL Query,以无服务器方式对 Cloud Object Storage 数据运行 SQL 语句。不必担心对服务器大小的调整。只需编写语句并将它们提交到云上运行。

继续阅读 通过无服务器计算实现更多功能:将 Cloud Functions 与无服务器 SQL 结合使用

相关链接

英文原文

本 Code Pattern 翻译自《Recycle with Watson》(2018-12-05)。