На сколько node.js хорошо подходит к задачам computer vision?
Нужно подсчитывать изделия на конвейере.
Пусть сначала они будут однородные, но в дальнейшем хотелось бы разделять их по размерам.
Речь идет о птицефабрике и тушках бройлеров. То есть вариации размеров понятны.
На сколько хороши библиотеки Node.js для этого.
Или лучше смотреть в сторону python и низкоуровневых ЯП?
Аппаратная часть для старта что-то типа веб-камеры и raspberry (на самом деле железо не принципиально, главное чтоб Node.js встал нормально со всей обвязкой).
Или это бред и лучше искать готовое промышленное решение?
Кто-нибудь сталкивался с похожей задачей?
однозначно. корень этой среды(?) в движке скриптового языка для веб-страничек. Конечно, сегодня нода обладает многопоточностью, типизированными массивами и какой-никакой оптимизацией. Однако, писать на нем что-то тяжело вычислимое доставит непреодолимые страдания, если Вы не гений.
сам не писал, но бэкенд для моего клиента решает подобную задачу ...node не подходит, компьютерное зрение это реально долго
вам что то низкоуровневое и максимальнобыстрое
Попробовал сейчас примеры https://www.npmjs.com/package/opencv, вполне работают. Не думаю, что имеет принципиальное значение, на каком языке использовать биндинги OpenCV. Возможно, хороший код на C++ и даст выигрыш в скорости порядка десяти раз, но и получить его сложнее, да и не такой уж это и большой выигрыш, а между node.js и python ориентироваться лучше на то, владение каким из них лучше.
gadfi: ну там не так все драматично. Просто хотелось дополнительного сервиса и данных. Контроль, сортировка, учет на первичном уровне. Да и конвейер на мой взгляд не самый быстрый - все крутится вокруг цифры 6000 единиц в час. Мне кажется программно задетектить штуки можно на чем угодно.
Михаил: нет, с computer vision дела не имел, просто прочитав вопрос и зная про OpenCV, захотелось поискать, есть ли биндинги под ноду. Вообще, если тушки идут без промежутков, то вряд ли их чётко распознавать получится, а если с промежутком, то, наверное, легче простой фотодиод использовать для подсчета.
Aves: да, фотодиод - решение самое точное при подсчете (там промежутки четкие). Но кроме подсчета еще хотелось бы и другие параметры попробовать учитывать. В любом случае, вам огромное спасибо за то что включились в тему.
Михаил: Нус, 6000шт/час это конечно пока не так много, это 600мс, за 300мс с которых, надо все успевать сделать, чтоб не пропустить чего. Если снимать и обрабатывать только один кадр на курицу, по сигналу с фотодиода, то может и в пределах нормального будет.
Низкоуровневый код даст намного больше прироста чем в 10 раз, возможно, дело пойдет на сотни при тех же ресурсах...
Сложновато представить, что Вы понимаете под компьютерным зрением в своей задачи. То есть не слишком ли это? Да с камеры получим точные границы курицы, что это нам дает?
Примерную форму и величину можно и барьером с линейкой с 10 фотодиодов получить на простом мк, зная скорость движения ленты, все длины курицы на каждой высоте можно легко посчитать, тем самым получив примерную проекцию курицы сбоку, хотя с камерой прикольнее конечно=)
Digital Brain , в общем да, Computer Vision наверно зря я в тэге использовал. Это по аналогии с Face Detection , я решил что если можно лицо с веб-камеры опознать, то параметры другого объекта ведь тоже тогда можно? Я так понимаю что node.js нормально же с этой задачей справится при указанной скорости (я имею в виду ситуацию "есть объект-нет объекта" в кадре)?
Михаил: Ну может то исправится, просто нерационально. Ну может Ваша птицефабрика- Ваши правила, либо заказчику все ровно, то сойдет.
Я так понимаю Вам хочется использовать node по причине знакомства с javascript и недоступности C++? Тогда конечно без вариантов, придется исходить из этого...
Будут птицы фоткаться на nodejs, ритуальные услуги на потоке, фотки родственникам по курятнику высылаем через web - не пропадать же http api nodejs, прям уже стартап=))
Михаил: Справляться в любом случае лучше посредством OpenCV, а откуда вызвать его функции, большого значения не имеет. Для распознавания лиц используется каскад Хаара (habrahabr.ru/post/198338/), это подходит для сложных случаев. С учетом постоянного фона можно и проще сделать, просто вычитать фон из изображения(BackgroundSubtractor), бинаризировать(threshold) и находить самый большой контур(findContours). Размер тушки будет прямо пропорционален его площади(area). Займет это строк 20-30 на ноде.
Хех=) на производстве никто не будет ждать, пока ваш тугой скрипт будет гонять 4 ядерный сервер, чтоб распознать одну дохлую курицу на конвейере.
Это весьма ресурсоемкая задача, и node здесь- это действительно бред, как и остальные веб технологии.
По хорошему это надо взять ARM как Ваш raspberry и написать под него прошивку на C++.
Одной быстродействующей камеры тут еще может быть и мало- чтоб определить размер надо смотреть в разных сторон- сверху и сбоку.
