鲍辰

我对安全类问题比较关注，平时看新闻也会格外注意这类话题。有一次我看到了一份关于1—6岁儿童居家环境危险因素的评估报告，报告表明，排在前几位的不安全因素有桌椅的尖角和尖锐边缘，以及珠子、别针等儿童易拿到的小物件。后来我查询了一些国内文献，都提到儿童在家容易误食微小物品或被危险器具伤害。是否可以开发一个能实时巡逻并识别危险物品的装置呢？我想到了扫地机器人，这正好是一个能够长时间监管地面附近空间的工具。识别危险物品需要用到图像识别的知识和技术，也正是我感兴趣的领域。于是我打算利用扫地机器人作为平台，开发一个能识别家中地面上常见危险物品的系统。

Step 1 寻找模型

确立了选题之后，我只是初步知道我要用机器学习中的深度学习去解决问题，但是具体该怎么做还不明确。因此我先查找目前是否已有人做过这方面的模型，如有的话，是否可以移用到我的课题中来。我发现谷歌公司的inception模型可以对我的课题原理进行初步验证。在初始阶段，我很难找到合适的开源的扫地机器人。因此我选择了成本低而且开源的树莓派小车，在设定的室内场景中放置几种危险物品，让小车执行巡逻任务。我对树莓派小车采集的场景图像进行图像识别，统计正确率。根据采集到的实验数据进行分析，我发现inception模型对于部分室内危险物品的识别度较高，但仍存在对某些危险物品和室内物品区分不明显的情况。我印象比较深的是用它识别一个黄色老虎钳，结果显示60%的概率是香蕉！这让我很无奈，觉得这个模型可能并不合适。于是，我想自己训练一个更好的模型。

Q：你所理解的机器学习是怎样的概念？

A：以我自己的课题为例吧。我要让计算机学习本课题涉及的家庭危险物品，就要自己先去网上找10000张图片，其中一半是存在危险隐患的。我把危险与不危险分别标记为1和0，然后全部“喂”给计算机，这就是训练集。训练几万次后，计算机会根据已有的离散点，自己拟合出一个函数。对于不在所给数据范围内的点，它也可以给出一个相对靠谱的答案。这样计算机以后遇到没有见过的图片时，它就能判断其是否危险了（以一个合理的概率来表示）。这就是我理解的机器学习的概念。

Step 2 卷积神经网络

我在第二阶段的主要工作就是采用重新構建卷积神经网络的方式设计一个有针对性的模型，提升识别的准确性。

卷积神经网络可以这么来理解：一张图片被卷积处理为一个矩阵，称为卷积核。假设我将它的步长设置为3，每隔3格都对图像中的像素点和矩阵做一次矩阵乘法，得到一个新的矩阵，这就是一层卷积操作。卷积操作相当于提取一些图像的特征。比如第一层卷积操作提取出比较简单的边，第二层卷积操作得到的可能是一个角，再往后可能是提取出危险物品共有的一些特征，比如说比较尖锐、有金属光泽等。

在这一个阶段，我的指导老师给了我非常大的帮助。比如说为什么选了14层的卷积神经网络而不是15、16层？这类调参数的工作需要靠丰富的经验来解决，超出了我的能力范围。卷积神经网络模型结构设计出来之后，我利用爬虫在网上抓取含有关键词的图片，再人工筛选，做训练集。训练的工作量还是很大的，这个阶段借用了老师的GPU（图形处理器），帮我节省了很多时间。接下来我选了44张危险物品图片，用新模型和inception模型做对比。对比之后发现，新模型在准确度和检测时间上均优于inception模型，而且减少了对inception进行人工分类的麻烦。我还使用了混合高斯模型过滤环境噪音，直接提取危险物品的特征，优化识别的准确率。

Step 3 识别未知的危险物品

家庭中可能出现的情况是很复杂的，针对课题涉及的异常目标建立的模型，无法涵盖所有情况，所以我需要进一步探究如何识别家中未知的危险物品。

我将多个分类器进行组合，形成一个分类能力更加强大的级联分类器。家庭环境中的场景图像需要经过多级分类后才能被确认为正常。只用一种特征进行判断，准确率很低，所以将三种特征结合在一起，根据投票规则判断。比如说根据两种特征，认为这个物体是异常的，剩下一种特征不判定为异常，少数服从多数，结果就是异常。这样的判断规则准确率会更高。级联分类器就是把弱的分类器串联或并联起来形成强的分类器，以更好地分辨计算机没有训练学习过的那些危险物品，提高对家庭中的未知物品的识别率。

最后将硬件搭建在一起，家长于是可以通过预警系统随时查看和接收预警信息，遇到危险情况，及时处理。

我想把这个系统应用在扫地机器人上，且希望它具有很高的识别准确率，但要达到这个目标，还需要做很多工作。所幸编程对我来说是一件越做越有趣的事情，以后也想在这个领域耕耘下去。

Q：对于刚进入高一，想要开始做课题的同学，你有什么建议呢？

A：每个学校对于创新课题的立项、选拔有不同的标准和方式，有意向的同学要尽早关注。对于工科类课题，在刚开始的阶段先不要想着去买很贵的仪器，因为当你对一个课题没有透彻的了解时，你可能觉得需要一些高端的仪器，但做到后面你会发现，它们可能并不适合你的课题。初始阶段最重要的是先想明白你做这个课题，到底是想要做什么，你想突出的创新点是什么，然后再去思考你需要什么。