利用人工智慧輔助辨識空氣品質 ( 1 )

在這次的 LASS 2018 年會中，我分享了一個主題: “利用電腦視覺結合感知器進行環境偵測”。會有這想法的原因在於，當大家進行環境偵測的時候，經常需要長時間的觀察與蒐集資料。感測器可以偵測空氣品質或是水質的數值，但是無法記錄當下四周的狀況，因此搭配攝影鏡頭之後，就可以有更多的資訊可以輔助判斷。同樣的，當蒐集了足夠的環境圖片樣本之後，我們還可以更進一步透過人工智慧的技術，訓練出環境偵測的模型，將來就可以主動的利用攝影機來判斷環境的狀態。

人工智慧是近年來的熱門話題，很多人有興趣，但是一想到裡面牽涉到一堆複雜的框架就望之卻步。但事實上，要導入人工智慧來解決問題，並不需要從這些框架開始，目前已經有許多人工智慧的服務可以立即使用，像是要做人臉辨識或是人流分析，可以直接使用 Azure Face API。在這一個專案當中，我們希望可以讓每個人都可以很容易地透過自己的網路攝影機進行周遭環境的偵測，因此選擇使用Azure Custom Vision 服務。Custom Vision 服務的使用方式很簡單，在這篇文章我們先以 "北京，一目了然" 所拍的照片，來說明怎麼使用 Custom Vision 服務快速訓練模型，下篇文章再來說明程式的部分。

首先使用你的 Azure 帳號登入 Custom Vision 服務網站，然後新增一個專案，並且參考下面的設定:

接下來，按下 Add images 按鈕，就可以新增圖片:

首先上載空氣品質好的照片，並且將 Tag 設定成 "好空氣":

接下來上載空氣品質不好的照片，並且將 Tag 設定為 "壞空氣":

然後你只需要按下右上方的 Train 按鈕，就可以根據你所上傳的照片以及 Tag 標籤，開始訓練模型。

模型訓練完成之後，會切換到 Performance 網頁，顯示訓練的結果。使用Custom Vision 服務很棒的地方，除了訓練模型的操作很簡單之外，它還會自動幫你記錄每一個 Iteration，將來重新訓練的時候，可以比較每次的訓練結果:

訓練模型完成後，Custom Vision 服務網頁的右上角提供了 Quick Test 按鈕，讓你可以驗證模型。在訓練模型之前我們保留了一些驗證用的照片，首先先上傳這一張，結果如下:

再用另一張空氣不好的照片，結果如下:

建立一個可以辨識空氣品質狀態的模型，只需要簡單的幾個步驟，是不是很容易? 下一篇我們介紹怎樣把這一個模型，應用在你的裝置或是電腦中的程式裡。