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。

流

  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

区块链让慈善捐赠重拾信任

来自 IBM CIO(巴西)的团队创建了一个基于区块链的移动应用程序,为试图帮助自然灾害受害者的捐助者提供透明度。

继续阅读 区块链让慈善捐赠重拾信任

在 IBM Watson Studio 中使用 Pixie Dust 和 Watson Analytics 可视化食物无保障状况

阅读本文,了解可视化食物无保障状况的重要性及如何使用 Pixie Dust 和 Watson Analytics 可视化食物无保障状况。

继续阅读 在 IBM Watson Studio 中使用 Pixie Dust 和 Watson Analytics 可视化食物无保障状况

相关链接

英文原文

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

向 Watson 询问 Twitter 提供的信息

完成本系列后,您将了解如何将 Watson starter 包部署在 IBM Cloud 上,将能够扩展 Watson starter 包来满足特定的业务需求。