Verkeer teller 2, AI

Dit is het vervolg op Verkeer teller. We hadden het werkend, op het laatst met de pc. Maar hoe kunnen we dit nu gebruiken in eigen software of hier verder mee bouwen? Daarvoor moet je eerst precies weten wat je aan het doen bent of op z’n minst net dat stukje code kunnen gebruiken wat het doet. De rest van het programma is dan feitelijk ruis tijdens het onderzoek. Zo ging dat tot voor kort.

We hebben de hulp ingeroepen van AI. We hebben AI gevraagd om een zo klein mogelijk programma te schrijven waarbij gebruik gemaakt wordt van Yolov9. AI is je vriend en na een aantal terugkoppelingen hadden we een klein werkend Python-programma wat niet alleen verkeer herkent maar ook diverse andere dingen. Het vertelt je gewoon wat het ziet door de webcam.

import cv2
import torch

# YOLOv5 model laden
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

# Webcam initialiseren
cap = cv2.VideoCapture(0)

while True:
    # Frame van webcam lezen
    ret, frame = cap.read()
    
    # Detecties uitvoeren
    results = model(frame)
    
    # Gedetecteerde objecten printen
    for detection in results.xyxy[0]:
        label = model.names[int(detection[-1])]
        print(f"Gedetecteerd object: {label}")
    
    # Resultaten op frame tekenen
    annotated_frame = results.render()[0]
    
    # Geannoteerd frame laten zien
    cv2.imshow('YOLOv5 Detectie', annotated_frame)
    
    # 'q' drukken om af te sluiten
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
        
# Resources vrijgeven
cap.release()
cv2.destroyAllWindows()

We werken nog aan dit artikel. Benieuwd naar de volledige conversatie met Claude (AI) en hoe dit programma tot stand is gekomen? Volg hier de hele discussie