Triedenie lentiliek - História úprav

Balogh: /* Ukážková aplikácia */

2026-04-21T18:47:25Z

Ukážková aplikácia

← Staršia verzia		Verzia z 18:47, 21. apríl 2026
Riadok 153:		Riadok 153:
	Vyššieuvedený program by mal fungovať (žiaľ nie vždy celkom spoľahlivo) aj s originálnym programom Philippa Pilgrima (Parallax)		Vyššieuvedený program by mal fungovať (žiaľ nie vždy celkom spoľahlivo) aj s originálnym programom Philippa Pilgrima (Parallax)
	na rozpoznávanie farieb <code>TCS3200_ColorPAL_match.exe</code>.		na rozpoznávanie farieb <code>TCS3200_ColorPAL_match.exe</code>.
	* Originál https://www.parallax.com/package/colorpal-color-sensor-downloads/~~?wpdmdl=2901&refresh=641fd7e2308fd1679808482&ind=1600309026340&filename=28380-ColorPAL-Color-Matching-Program-BS-Sample-Files.zip~~		* Originál https://www.parallax.com/package/colorpal-color-sensor-downloads/
	* Lokálna kópia https://senzor.robotika.sk/mems/ColorPalDemo.zip		* Lokálna kópia https://senzor.robotika.sk/mems/ColorPalDemo.zip

	[[Obrázok:ColorPAL_demo.png\|center]]		[[Obrázok:ColorPAL_demo.png\|center]]


	== Meranie ==		== Meranie ==

Balogh: /* Implementácia a Vyhodnotenie */

2026-04-21T17:45:43Z

Implementácia a Vyhodnotenie

← Staršia verzia		Verzia z 17:45, 21. apríl 2026
Riadok 270:		Riadok 270:

	[[Súbor:ColorSorterCoffeeBeans.jpg\|center\|500px\|thumb\|Triedič kávových zŕn ]]		[[Súbor:ColorSorterCoffeeBeans.jpg\|center\|500px\|thumb\|Triedič kávových zŕn ]]




			== Nearest Centroid Classifier (bonusová úloha za +3 b.) ==

			=== Ako to funguje ===

			Pri meraní lentiliek sme pre každú farbu nazbierali viacero vzoriek — každá
			vzorka je bod v 3D priestore definovaný hodnotami (R, G, B). Keby sme chceli
			klasifikovať novú, neznámu lentilku, mohli by sme ju porovnať so všetkými
			nameranými vzorkami a pozrieť sa, ktorá farba prevažuje medzi jej najbližšími
			susedmi. Tento algoritmus sa označuje ako ''KNN (K-Nearest Neighbors)''.

			''Nearest Centroid'' je jednoduchší príbuzný KNN. Namiesto porovnávania s každou
			jednou vzorkou si pre každú farbu vypočítame jeden reprezentatívny bod —
			tzv. ''centroid'' (ťažisko). Centroid je jednoducho priemer všetkých nameraných
			hodnôt R, G, B pre danú farbu:

			centroid_blue = ( mean(R_blue), mean(G_blue), mean(B_blue) )

			Klasifikácia novej vzorky potom spočíva v tom, že nájdeme centroid, ktorý je
			k nej ''najbližší v RGB priestore''. Vzdialenosť počítame ako euklidovskú
			vzdialenosť — poznáte ju z domácej úlohy:

			dist = sqrt( (r - cr)² + (g - cg)² + (b - cb)² )


			=== Nearest Centroid ako špeciálny prípad KNN ===

			Nearest Centroid je vlastne KNN s ''k=1'', kde trénovacie body nie sú
			jednotlivé merania, ale centroidy farieb. Výhodou oproti KNN je, že
			do pam]te nemusíme ukladať celý dataset (desiatky bodov), ale len
			toľko bodov, koľko máme farieb — zvyčajne 4–6.

			=== Postup implementácie ===

			* Krok 1: Spustite bunku s výpočtom centroidov a pozrite si výsledné hodnoty.
			Skontrolujte, či centroidy v 3D grafe naozaj ležia v strede každej skupiny bodov.

			* Krok 2: Doplňte do šablóny `Classifier.h` nižšie:
			** hodnoty centroidov pre všetky vaše farby (skopírujte z výpisu)
			** názvy farieb v rovnakom poradí
			** výpočet euklidovskej vzdialenosti (`dist = ???`)
			** podmienku aktualizácie najbližšieho centroidu (`if (???)`)

			=== Otázky na zamyslenie: ===

			- Je naozaj potrebná odmocnina pri výpočte vzdialenosti?
			- V akom prípade by Nearest Centroid zlyhal, kde by KNN ešte fungoval?
			- Koľko čísel musíte uložiť do flash pamäte Arduina pri Nearest Centroid
			v porovnaní s KNN? Aký to má praktický význam?

	== Literatúra: ==		== Literatúra: ==

Balogh na 17:36, 21. apríl 2026

2026-04-21T17:36:50Z

← Staršia verzia		Verzia z 17:36, 21. apríl 2026
Riadok 237:		Riadok 237:
	Ak by vám niečo z nejakého dôvodu nefungovalo, môžete použiť [https://senzor.robotika.sk/mems/files/RGBvalues.csv tento vzorový .csv súbor] na odladenie vášho postupu.		Ak by vám niečo z nejakého dôvodu nefungovalo, môžete použiť [https://senzor.robotika.sk/mems/files/RGBvalues.csv tento vzorový .csv súbor] na odladenie vášho postupu.

	== Implementácia ==		== Implementácia a Vyhodnotenie ==

	Navrhnutý algoritmus preneste do mikropočítača a otestujte na novej vzorke lentiliek ~~(môžete si napr. vymeniť so susedom)~~. Rozpoznávanie (klasifikáciu) bude realizovať program, ktorý vám vušiel na konci notebooku. Nezabudnite mu však dodať aj z Google Colab notebooku vygenerovaný súbor <code>Classifier.h</code>		Navrhnutý algoritmus preneste do mikropočítača a otestujte na novej vzorke lentiliek. Rozpoznávanie (klasifikáciu) bude realizovať program, ktorý vám vušiel na konci notebooku. Nezabudnite mu však dodať aj z Google Colab notebooku vygenerovaný súbor <code>Classifier.h</code>

	~~== Vyhodnotenie ==~~

	Na záver otestujte druhú skupinu lentiliek (nie tú ktorú ste použili na meranie) a použite nasledovný vzťah pre vyhodnotenie presnosti:		Na záver otestujte druhú skupinu lentiliek (nie tú ktorú ste použili na meranie, môžete si napr. vymeniť so susedom) a použite nasledovný vzťah pre vyhodnotenie presnosti:

	Precision = TP / (TP+FP),		Precision = TP / (TP+FP),

Balogh: /* Implementácia */

2026-04-21T17:35:47Z

Implementácia

@@ Riadok 239: / Riadok 239: @@
 == Implementácia ==
-Navrhnutý algoritmus preneste do mikropočítača a otestujte na novej vzorke lentiliek (môžete si napr. vymeniť so susedom). Rozpoznávanie (klasifikáciu) bude realizovať nižšie uvedený program. Nezabudnite mu však dodať aj z Google Colab notebooku vygenerované súbory <code>Pipeline.h</code> a <code>Classifier.h</code>:
+Navrhnutý algoritmus preneste do mikropočítača a otestujte na novej vzorke lentiliek (môžete si napr. vymeniť so susedom). Rozpoznávanie (klasifikáciu) bude realizovať program, ktorý vám vušiel na konci notebooku. Nezabudnite mu však dodať aj z Google Colab notebooku vygenerovaný súbor <code>Classifier.h</code>
 == Vyhodnotenie ==

Balogh: /* Strojové učenie */

2026-04-21T17:27:13Z

Strojové učenie

← Staršia verzia		Verzia z 17:27, 21. apríl 2026
Riadok 229:		Riadok 229:
	<center>		<center>
	<html>		<html>
	<img src="https://upload.wikimedia.org/wikipedia/commons/thumb/d/d0/Google_Colaboratory_SVG_Logo.svg/~~160px~~-Google_Colaboratory_SVG_Logo.svg.png" /><BR>		<img src="https://upload.wikimedia.org/wikipedia/commons/thumb/d/d0/Google_Colaboratory_SVG_Logo.svg/330px-Google_Colaboratory_SVG_Logo.svg.png" /><BR>
	</html>		</html>
	<FONT Size="+2"> 🡆 [https://colab.research.google.com/drive/~~10V87_bsniOzooZXJJax5IvIUFiMXY-v4~~?usp=sharing Google Colab Notebook]</FONT>		<FONT Size="+2"> 🡆 [https://colab.research.google.com/drive/1PYjJWf6MYAUTJ6_DwY9yoaqayuLXvIo4?usp=sharing Google Colab Notebook]</FONT>
	</center>		</center>

Balogh: /* Meranie */

2026-04-21T17:24:46Z

Meranie

← Staršia verzia		Verzia z 17:24, 21. apríl 2026
Riadok 163:		Riadok 163:
	Vašou úlohou je teraz namerať primerané množstvo vzoriek lentiliek z každej farby. Meranie aj niekoľkokrát zopakujte. Cieľom je získať .csv súbor v nasledovnom formáte:		Vašou úlohou je teraz namerať primerané množstvo vzoriek lentiliek z každej farby. Meranie aj niekoľkokrát zopakujte. Cieľom je získať .csv súbor v nasledovnom formáte:

	r,g,b~~,target~~,target_name		r,g,b,target_name
	25,57,181,0,blue		25,57,181,blue
	25,63,191,0,blue		25,63,191,blue
	189,38,31,1,orange		189,38,31,orange
	188,45,41,1,orange		188,45,41,orange
	49,109,93,2,green		49,109,93,green
	49,111,94,2,green		49,111,94,green

	Význam stĺpcov '''r''', '''g''' a '''b''' je zrejmý, '''target_name''' je názov farby ~~a '''target''' je unikátne číslo pre každú farbu~~.		Význam stĺpcov '''r''', '''g''' a '''b''' je zrejmý, '''target_name''' je názov farby v anglickom jazyku. Povolené hodnoty: red, orange, yellow, green, blue, purple, pink, brown, cyan, lime, magenta, white, black

	Aby ste získali požadované dáta, musíte upraviť formátovací reťazec vo vzorovom programe vyššie. Potom jednotlivé merania skopírujete z terminálového okna a doeditujete požadované údaje.		Aby ste získali požadované dáta, musíte upraviť formátovací reťazec vo vzorovom programe vyššie. Potom jednotlivé merania skopírujete z terminálového okna a doeditujete požadované údaje.
Riadok 217:		Riadok 217:
	</source></tab>		</source></tab>
	</tabs>		</tabs>


	== Strojové učenie ==		== Strojové učenie ==

Balogh na 15:46, 21. apríl 2026

2026-04-21T15:46:43Z

← Staršia verzia		Verzia z 15:46, 21. apríl 2026
Riadok 217:		Riadok 217:
	</source></tab>		</source></tab>
	</tabs>		</tabs>


	~~== Strojové učenie ==~~

	Ak ste už zmerali svoj balíček cukríkov, mali by ste mať pripravený .csv súbor v ktorom je všetko potrebné. Ďalšia úloha je natrénovať nejaký algoritmus na nameraných dátach a implementovať ho potom do Arduina, aby správne rozpoznávalo jednotlivé lentilky.

	Okrem asi najznámejších ML (Machine Learning) algoritmov, ktorými sú neurónové siete existuje aj množstvo ďalších, pričom niektoré sú na implementáciu do malých mikropočítačov vhodnejšie ako iné. My využijeme tzv. Decision Tree, teda
	rozhodovací strom. Asi by ste ho dokázali implementovať aj intuitívne, ale výhodou algoritmu strojového učenia je, že nájde optimálny strom, teda taký, kde bude minimálny počet rozhodovacích vetiev.

	~~Ďalej budeme pracovať v Google Colab notebooku, kde máte všetko pripravené.~~

Balogh: /* Implementácia */

2025-05-04T14:02:10Z

Implementácia

← Staršia verzia		Verzia z 14:02, 4. máj 2025
Riadok 297:		Riadok 297:
	</source></tab>		</source></tab>
	</tabs>		</tabs>


			== Vyhodnotenie ==

			Na záver otestujte druhú skupinu lentiliek (nie tú ktorú ste použili na meranie) a použite nasledovný vzťah pre vyhodnotenie presnosti:

			Precision = TP / (TP+FP),

			kde TP je počet správne určených lentiliek (True Positives) a FP je počet nesprávne priradených k danej farbe (False Positives).
			Druhým parametrom je citlivosť

			Recall = TP / (TP +FN),

			kde opäť TP je počet správne určených a FN je počet nepriradených k danej farbe (False Negative).

Balogh: /* Princíp činnosti */

2023-03-26T10:56:18Z

Princíp činnosti

← Staršia verzia		Verzia z 10:56, 26. marec 2023
Riadok 48:		Riadok 48:
	ColorPAL používa RGB LED na osvetlenie meranej farby (jedna farba naraz), spolu so široko spektrovým prevodníkom svetlo-napätie na meranie odrazeného svetla. Podľa množstva svetla ktoré sa odráža od meranej farby pri osvetlení od červenej, zelenej a modrej LED diódy je možné určiť farbu vzorky. ColorPAL používa na meranie odrazeného svetla fotodiódu TAOS typu TSL13T alebo 12T, ktorá má krivku spektrálnej citlivosti nasledovnú:		ColorPAL používa RGB LED na osvetlenie meranej farby (jedna farba naraz), spolu so široko spektrovým prevodníkom svetlo-napätie na meranie odrazeného svetla. Podľa množstva svetla ktoré sa odráža od meranej farby pri osvetlení od červenej, zelenej a modrej LED diódy je možné určiť farbu vzorky. ColorPAL používa na meranie odrazeného svetla fotodiódu TAOS typu TSL13T alebo 12T, ktorá má krivku spektrálnej citlivosti nasledovnú:

			<center>
	[[Súbor:Obr1.png]]		[[Súbor:Obr1.png]]
	::'''Obr. 1: Krivka spektrálnej citlivosti prevodníka svetlo-napätie'''		::'''Obr. 1: Krivka spektrálnej citlivosti prevodníka svetlo-napätie'''
			</center>

	Prevodník je kombináciou fotodiódy a transimpedančného zosilňovača v jednom integrovanom obvode. Aktívna plocha fotodiódy je 0.5 mm x 0.5 mm a senzor vníma žiarenie s vlnovou dĺžkou v rozsahu od 320 nm do 1050 nm.Výstupné napätie sa mení lineárne s intenzitou dopadajúceho žiarenia.		Prevodník je kombináciou fotodiódy a transimpedančného zosilňovača v jednom integrovanom obvode. Aktívna plocha fotodiódy je 0.5 mm x 0.5 mm a senzor vníma žiarenie s vlnovou dĺžkou v rozsahu od 320 nm do 1050 nm.Výstupné napätie sa mení lineárne s intenzitou dopadajúceho žiarenia.

	[[Súbor:~~Obr2~~.~~jpg~~]]		<center>
	::'''Obr. 2: ~~Funkčná~~ schéma zapojenie prevodníka'''		[[Súbor:TSL12_Schematic.png\|center]]
	~~[[Súbor:Obr3.jpg]]~~		::'''Obr. 2: Fotografia TSL13T, funkčná schéma zapojenie prevodníka a zapojenie vývodov fotodiódy.'''
	~~::'''Obr. 3: Pohľad z hora prevodníka'''~~		</center>

	Výstupom snímača je napätie, úmerné celého žiarenia ktoré detekuje a ktoré sú potom merané podľa hore uvedenej krivky spektrálnej citlivosti. Keď predmet je osvetlený iba červenou LED, tak snímač bude reagovať s napätím úmerným červenej zložky z farby predmetu a podobne s modrou a zelenou. Snímač a RGB LED diódy sú umiestnené vedľa seba v jednej plastickej trubice.		Výstupom snímača je napätie, úmerné celého žiarenia ktoré detekuje a ktoré sú potom merané podľa hore uvedenej krivky spektrálnej citlivosti. Keď predmet je osvetlený iba červenou LED, tak snímač bude reagovať s napätím úmerným červenej zložky z farby predmetu a podobne s modrou a zelenou. Snímač a RGB LED diódy sú umiestnené vedľa seba v jednej plastickej trubice.


	~~[[Súbor:TSL12_Schematic.png\|center]]~~



	=== Použitie ===		=== Použitie ===

Balogh: /* Vlastnosti */

2023-03-26T10:53:58Z

Vlastnosti

← Staršia verzia		Verzia z 10:53, 26. marec 2023
Riadok 40:		Riadok 40:
	* Autorun funkcia umožňuje spustenie vopred určeného programu iba použitím napájania.		* Autorun funkcia umožňuje spustenie vopred určeného programu iba použitím napájania.

	[[Súbor:Obr8.jpg]]		[[Súbor:Obr8.jpg\|center]]

	=== Princíp činnosti ===		=== Princíp činnosti ===