podprojekt indywidualny

game.py

@@ -6,11 +6,14 @@ import os
 import shutil
 import astar
 import uczenie_kacper as kacper
+import uczenie_adamO as adamO
 
 smieci_path = ''
+smieci_w_kontenerach = "resources\\smieci w kontenerach"
 
 # PODAJ OSOBE PRZED URUCHOMIENIEM (kacper/adamB/adamO)
-osoba = 'kacper'
+osoba = 'adamO'
+rfc = None
 
 if osoba == 'kacper':
     smieci_path = 'resources/smieci'
@@ -18,6 +21,7 @@ elif osoba == 'adamB':
     smieci_path = 'resources/smieci_stare'
 else:
     smieci_path = 'resources/smieci_stare'
+    rfc = adamO.rozpocznijUczenie()
 
 pygame.init()
 
@@ -101,7 +105,7 @@ def game():
                         elif osoba == 'adamB':
                             pass
                         else:
-                            pass
+                            rodzaj = adamO.przewidz(smiec, rfc)
 
                         if rodzaj == "paper":
                             obiekty["smieciarka"].dodajPapier(smiec)
@@ -138,8 +142,8 @@ def game():
                     obiekty["kontener_plastik"].dodajSmiec(smiec)
 
         clock.tick(7)
-
     pygame.quit()
+    return rfc
 
 
 def rysowaniePlanszy(obiekty):
@@ -195,15 +199,19 @@ def utworzObiekty():
     pygame.display.set_caption("Inteligentna śmieciarka")
 
     # kontenery
-    if os.path.exists('resources/smieci w kontenerach'):
-        shutil.rmtree("resources/smieci w kontenerach")
-    os.makedirs('resources/smieci w kontenerach')
+    if not os.path.exists(smieci_w_kontenerach):
+        os.makedirs(smieci_w_kontenerach)
+    else:
+        for dir in os.listdir(os.getcwd() + "\\" + smieci_w_kontenerach):
+            files = os.listdir(os.getcwd() + "\\" + smieci_w_kontenerach + "\\" + dir)
+            for file in files:
+                os.remove(os.getcwd() + "\\" + smieci_w_kontenerach + "\\" + dir + "\\" + file)
 
-    kontener_plastik = modele.Kontener(0, 0, "plastik")
-    kontener_plastik.setImage(pygame.image.load(
-        "resources/plansza/pojemnik_plastik.png"))
-    plansza[0, 0].setJestKontenerem(True)
-    plansza[0, 0].setObiekt(kontener_plastik)
+    kontener_szklo = modele.Kontener(4, 4, "glass")
+    kontener_szklo.setImage(pygame.image.load(
+        "resources/plansza/pojemnik_szklo.png"))
+    plansza[4, 4].setJestKontenerem(True)
+    plansza[4, 4].setObiekt(kontener_szklo)
 
     kontener_metal = modele.Kontener(0, 4, "metal")
     kontener_metal.setImage(pygame.image.load(
@@ -211,17 +219,17 @@ def utworzObiekty():
     plansza[0, 4].setJestKontenerem(True)
     plansza[0, 4].setObiekt(kontener_metal)
 
-    kontener_papier = modele.Kontener(4, 0, "papier")
+    kontener_papier = modele.Kontener(4, 0, "paper")
     kontener_papier.setImage(pygame.image.load(
         "resources/plansza/pojemnik_papier.png"))
     plansza[4, 0].setJestKontenerem(True)
     plansza[4, 0].setObiekt(kontener_papier)
 
-    kontener_szklo = modele.Kontener(4, 4, "szklo")
-    kontener_szklo.setImage(pygame.image.load(
-        "resources/plansza/pojemnik_szklo.png"))
-    plansza[4, 4].setJestKontenerem(True)
-    plansza[4, 4].setObiekt(kontener_szklo)
+    kontener_plastik = modele.Kontener(0, 0, "plastic")
+    kontener_plastik.setImage(pygame.image.load(
+        "resources/plansza/pojemnik_plastik.png"))
+    plansza[0, 0].setJestKontenerem(True)
+    plansza[0, 0].setObiekt(kontener_plastik)
 
     # domy
     doms_array = ['resources/plansza/domy/dom1.png', 'resources/plansza/domy/dom2.png',

main.py

@@ -1,10 +1,10 @@
-import pygame
 import game
+import uczenie_adamO
 
 
 def main():
-    print("poczatek programu")
-    game.game()
+    rfc = game.game()
+    uczenie_adamO.wyswietlZdjecia(rfc)
 
 
 if __name__ == '__main__':

modele.py

@@ -193,7 +193,6 @@ class Kontener(pygame.sprite.Sprite):
                                 WIDTH, HEIGHT)
         self.smieci = []
         self.typ = typ
-        os.makedirs("resources/smieci w kontenerach/" + self.typ)
 
     def dodajSmiec(self, smiec):
         self.smieci.append(smiec)

tworzenie_danych_AO.py

@@ -11,19 +11,19 @@ h5_dane = 'parametry_zdjec.h5'
 h5_etykiety = 'etykiety.h5'
 
 
-def hu_moments(zdj):
+def wyznaczHuMomenty(zdj):
     zdj = cv2.cvtColor(zdj, cv2.COLOR_BGR2GRAY)
     momenty = cv2.HuMoments(cv2.moments(zdj)).flatten()
     return momenty
 
 
-def haralick(zdj):
+def wyznaczHaralick(zdj):
     szare_zdj = cv2.cvtColor(zdj, cv2.COLOR_BGR2GRAY)
     haralick = mahotas.features.haralick(szare_zdj).mean(axis=0)
     return haralick
 
 
-def histogram(zdj, mask=None):
+def wyznaczHistogram(zdj, mask=None):
     zdj = cv2.cvtColor(zdj, cv2.COLOR_BGR2HSV)
     hist = cv2.calcHist([zdj], [0, 1, 2], mask, [8, 8, 8], [0, 256, 0, 256, 0, 256])
     cv2.normalize(hist, hist)
@@ -46,11 +46,11 @@ for klasa in klasy:
         zdj = cv2.resize(zdj, rozmiar_zdj) # zmiana rozmiaru
 
         # wyznaczanie parametrow zdjecia
-        fv_hu_moments = hu_moments(zdj)
-        fv_haralick = haralick(zdj)
-        fv_histogram = histogram(zdj)
+        momenty = wyznaczHuMomenty(zdj)
+        haralick = wyznaczHaralick(zdj)
+        histogram = wyznaczHistogram(zdj)
 
-        wiersz = np.hstack([fv_hu_moments, fv_histogram, fv_haralick]) # ustaw poziomo, jeden za drugim
+        wiersz = np.hstack([momenty, histogram, haralick]) # ustaw poziomo, jeden za drugim
         etykiety_zdj.append(klasa)
         dane.append(wiersz)
 

uczenie_adamO.py

@@ -0,0 +1,129 @@
+import h5py
+import numpy as np
+import os
+import glob
+import cv2
+import warnings
+from sklearn.model_selection import train_test_split
+from sklearn.ensemble import RandomForestClassifier
+import matplotlib.pyplot as plt
+import mahotas
+import random
+from math import ceil
+
+warnings.filterwarnings('ignore')
+
+rozmiar_zbioru_testowego = 0.20
+katalog_uczacy = "resources\\smieci_stare"
+katalog_testujacy = "resources\\smieci w kontenerach"
+h5_parametry = 'parametry_zdjec.h5'
+h5_etykiety = 'etykiety.h5'
+rozmiar_zdj = tuple((500, 500))
+
+
+def wyznaczHuMomenty(zdj):
+    zdj = cv2.cvtColor(zdj, cv2.COLOR_BGR2GRAY)
+    momenty = cv2.HuMoments(cv2.moments(zdj)).flatten()
+    return momenty
+
+
+def wyznaczHistogram(zdj, mask=None):
+    zdj = cv2.cvtColor(zdj, cv2.COLOR_BGR2HSV)
+    hist = cv2.calcHist([zdj], [0, 1, 2], mask, [8, 8, 8], [0, 256, 0, 256, 0, 256])
+    cv2.normalize(hist, hist)
+    return hist.flatten()
+
+
+def wyznaczHaralick(zdj):
+    szare_zdj = cv2.cvtColor(zdj, cv2.COLOR_BGR2GRAY)
+    haralick = mahotas.features.haralick(szare_zdj).mean(axis=0)
+    return haralick
+
+
+def rozpocznijUczenie():
+    klasy = os.listdir(katalog_uczacy)
+    klasy.sort()
+
+    h5f_parametry = h5py.File(h5_parametry, 'r')
+    h5f_etykiety = h5py.File(h5_etykiety, 'r')
+
+    dane = h5f_parametry['dataset_1']
+    etykiety = h5f_etykiety['dataset_1']
+
+    dane = np.array(dane)
+    etykiety = np.array(etykiety)
+
+    h5f_parametry.close()
+    h5f_etykiety.close()
+
+    (uczenieDane, testowanieDane, uczenieEtykiety, testowanieEtykiety) = train_test_split(np.array(dane),
+                                                                                          np.array(etykiety),
+                                                                                          test_size=rozmiar_zbioru_testowego)
+
+    rfc = RandomForestClassifier(max_depth=15, n_jobs=4, random_state=1)
+    rfc.fit(uczenieDane, uczenieEtykiety)
+    print("uzyskana skutecznosc: ", rfc.score(testowanieDane, testowanieEtykiety))
+    return rfc
+
+
+def przewidz(zdjecie, rfc):
+    klasy = os.listdir(katalog_uczacy)
+    klasy.sort()
+    zdj = cv2.imread(zdjecie)
+    zdj = cv2.resize(zdj, rozmiar_zdj)
+
+    # wyznaczanie parametrow zdjecia
+    momenty = wyznaczHuMomenty(zdj)
+    haralick = wyznaczHaralick(zdj)
+    histogram = wyznaczHistogram(zdj)
+
+    wiersz = np.hstack([momenty, histogram, haralick])  # ustaw poziomo, jeden za drugim
+    wiersz = wiersz.reshape(1, -1)  # zmniejsz wymiar z 2 do 1
+    przewidywany_typ = rfc.predict(wiersz)[0]  # zwraca wartosc 0,1,2,3
+    return klasy[przewidywany_typ]  # zwraca glass,metal,paper,plastic
+
+
+def wyswietlZdjecia(rfc):
+    if rfc is None:
+        return
+
+    path = os.getcwd()
+
+    klasy = os.listdir(katalog_testujacy)
+    klasy.sort()
+    wszystkie_pliki = []
+
+    for dir in os.listdir(katalog_testujacy):
+        os.chdir(path + "\\" + katalog_testujacy + "\\" + dir)
+        pliki = glob.glob('*.jpg')
+        for i in range(len(pliki)):
+            pliki[i] = dir + "\\" + pliki[i]
+        wszystkie_pliki.append(pliki)
+        os.chdir(path)
+
+    wszystkie_pliki = sum(wszystkie_pliki, [])
+    rozmiar = ceil(0.25 * len(wszystkie_pliki))
+    wybrane_zdjecia = random.sample(wszystkie_pliki, k=rozmiar)
+    print("ilosc wybranych zdjec: ",len(wybrane_zdjecia))
+
+    for i in wybrane_zdjecia:
+        zdjecie = cv2.imread(path + "\\" + katalog_testujacy + "\\" + i)
+        zdjecie = cv2.resize(zdjecie, rozmiar_zdj)
+
+        # wyznaczanie parametrow zdjecia
+        momenty = wyznaczHuMomenty(zdjecie)
+        haralick = wyznaczHaralick(zdjecie)
+        histogram = wyznaczHistogram(zdjecie)
+
+        wiersz = np.hstack([momenty, histogram, haralick])  # ustaw poziomo, jeden za drugim
+        wiersz = wiersz.reshape(1, -1)  # zmniejsz wymiar z 2 do 1
+
+        przewidywany = rfc.predict(wiersz)[0]
+        prawdopodobienstwo = rfc.predict_proba(wiersz)
+
+        cv2.putText(zdjecie, klasy[przewidywany], (3, 30), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (255, 0, 0), thickness=3)
+        cv2.putText(zdjecie, str(prawdopodobienstwo), (3, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), thickness=1)
+        cv2.putText(zdjecie, i, (3, 460), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), thickness=2)
+
+        plt.imshow(cv2.cvtColor(zdjecie, cv2.COLOR_BGR2RGB))
+        plt.show()