满地乐高有救了 AI识别器自动分拣所有乐高零件 2秒一个

澳大利亚的一位软件工程师Daniel West也同样是乐高爱好者，近日他在推特上发表了他的乐高作品，竟然会动！而且还结合了CNN和3D识别，可以说是玩到了登峰造极的地步！

他花了两年时间，制作出世界上第一台“乐高通用分拣机”，这是一台由AI驱动的自动分拣机，能够识别出任何已生产的乐高零件并将它们归类。

也就是说，再也不用发愁归纳整理零件了！（假装我们也可以拥有这个机器）

“强大的项目和执行力！以一种实用的方式将乐高和工程学结合在一起了！”

“Wow Daniel，太令人印象深刻了！我很惊讶于你的创造力，足智多谋，以及你做的有多酷。我将向我年幼的儿子介绍你所做的，并把你作为他在创造力和毅力方面的榜样！”

甚至已经成功的吸引了金主的注意~

“你好，Daniel。我是Evgeny，Bricklink上最大的二手乐高玩具商店之一的老板。我对这种分类机很感兴趣。我怎样和你联系讨论?”

可见这位小哥的发明真的不一般！那么他到底是怎么做到的？

初代乐高分拣机：小哥的灵感来源

Daniel提到，2011年一位来自日本的乐高爱好者Akiyuki，就曾发明了一款乐高分拣机，那是他最初的灵感来源。当时的分拣机虽然没有那么华丽，但也算很厉害了。

‍

Akiyuki当时的数据库图像较少，而且识别和分拣的速度也比较慢。

如今，Daniel的这台机器由10000多块乐高零件组成，带有6个乐高电机和9个伺服电机，为传送带和搅拌器提供动力。

能够将近3000种乐高零件分拣到18个不同的盒子，每2秒就可以分拣一个零件，这效率可以的！

怪不得Daniel称他的这款分拣机为世界上“第一台乐高通用分拣机”，是因为它使用了最先进的人工智能技术，通过卷积神经网络能够识别和分类任何已经生产出的乐高部件，甚至是机器从未见过的零件。

Daniel也计划在将来公布代码。

How it works？

在过去的两年中，Daniel一直在设计和制造可以识别并分类乐高零件的机器，用了超过10000块乐高零件，终于大功告成！借助计算机视觉算法，可以识别分拣出任何乐高零件。

分拣机的核心部分是“Capture Unit”，一个拥有传送带、照相机和照明灯的小空间。看起来好像没什么大不了，实际上要想让它顺利完成工作，有很多需要注意的事情。

相机会拍摄沿着传送带输送的乐高零件，然后将照片上传到运行着AI算法的服务器，从数千个可能的乐高元素中识别零件。

核心问题是需要将传送带的实时视频流，转换成神经网络可以识别的各个部分的独立图像。

最终目标：从原始视频（左）到大小均匀的图像（右），然后发送到神经网络。（动图的速度比实时视频慢了50%左右）

这里用到了目标检测，即检测目标的存在、位置和大小，以便零件在每一帧都能生成边界框。表面上看起来很简单，实际上却困难重重。

要想顺利实现零件的识别与分拣，还有许多需要注意的地方，比如相机的位置和角度；光源要保证充足；另外零件还不能与传送带的颜色一样，否则无法扣除背景，小哥选择的传送带颜色是淡粉色。

在训练神经网络上也需要耗费大量时间和精力，什么是神经网络呢？可以把它看作一个虚拟的大脑，它可以通过接受输入并转换成相应的输出来完成特定任务。

一般来说，输入给神经网络的数据越多，它完成任务的能力就越强。乐高分拣机的神经网络是通过输入乐高零件的图像，输出相应零件的编号。

由于乐高的零部件有成千上百种类型，颜色多样，并且从不同角度看形状也不一样。因此，收集正确的训练数据集是整个工作中最难的一部分。小哥在分拣机运行几天后捕获了30万张图像，这是其中的一部分。

所有乐高爱好者都头疼的一件事

没错，就是分类整理！ Daniel有了这个归纳整理小能手，再也不用对着那一桶桶零件发愁了！不过咱也只有眼馋的份啊，想着那些年被堆到桶里的乐高，还是只得长叹一句，唉~ 论乐高到目前为止究竟有多少种零件，还真的找不到确切的数字，因为分类方式不一样，统计出来的种类自然也就不一样，而且似乎每天都有新的乐高零件诞生... 乐高爱好者们只得互相交流，探讨整理乐高零件的心得体会，文摘菌看了一下豆瓣和知乎上广大网友的热心分享，大致的分类方式有按大小分、按颜色分、按系列分，甚至还有按照零件上的颗粒数量分。装零件的器皿多是一些收纳盒，整理箱。啊，好想把这个工作交给AI啊~ 有网友在Daniel视频的评论区开玩笑道，已经把制作AI乐高分拣机列入他的退休计划了。