Slimme Vuilnisbak

Platform Slimme Vuilnisbak

Startpagina Model niet geladen Camera niet actief Niet verbonden

Voorspellen

Wat verwacht je dat het model herkent?

Model

Controleer de klassen en codes

Wat doet het AI-model?

Het model vergelijkt het camerabeeld met voorbeelden uit de training. Per klasse berekent het een zekerheid. De hoogste zekerheid wordt de voorspelling.

De browser stuurt pas een code wanneer de voorspelling stabiel genoeg is. Zo reageert de microcontroller minder snel op losse foutjes.

Klasse naar code

De code wordt naar de Arduino of micro:bit gestuurd. Gebruik dezelfde codes in je microcontrollerprogramma.

Model kiezen

Gebruik het standaardmodel of laad je eigen model

Standaardmodel

De pagina start met het model in de map image_model. Dat is handig om het platform snel te testen.

Werk je met een eigen Teachable Machine model? Exporteer als TensorFlow.js en laad hier de drie bestanden.

Selecteer model.json, metadata.json en weights.bin.

Standaardmodel wordt gebruikt.

Testen

Camera, testbeeld of demomodus

Slimme Vuilnisbak

Voorspelling Wacht op model --

Bron

Kies hoe je het model wilt testen. Gebruik de demomodus wanneer er geen camera of hardware beschikbaar is.

Zekerheid per klasse

Verbinden

Microcontroller en diagnose

Verbind via WebSerial. Gebruik Chrome of Edge via HTTPS, GitHub Pages of localhost. De browser stuurt een code plus nieuwe regel, bijvoorbeeld 2\n.

Diagnose

  • Browsercontrole: --
  • Model: --
  • Beeldbron: --
  • Serieel: --
Laatste code: --

Sorteren

Vergelijk verwachting, voorspelling en reactie

Verwacht --
Voorspeld --
Zekerheid --
Code --
Tijd Klasse Zekerheid Code Verstuurd
Nog geen observatie.

Besluiten

Wat zegt deze test over je model?