上周的《OpenCV 每周网络研讨会》的嘉宾是 Team Kauda 的 Gerard Espona（在我们的第一篇文章中介绍过）。您可以在 YouTube 上找到该集，以及其他过去和将来的集。本周我们有使用 OpenCV 创建您自己的全景图的教程。注册参加每周四上午 9 点在 Zoom 上举行的下一次网络研讨会，免费：https://us02web.zoom.us/j/83231402214

在这篇文章中，我们将重点介绍与一些团队进行的简短问答环节，这些团队在线上发布了使用 #OAK2021 标签参与 OpenCV AI 竞赛 2021 的酷炫内容。感谢 Team BenchBotics 和 UCB_Squirrels 这段时间与我们交谈！如果您错过了之前几期介绍团队和竞赛精彩视频的系列文章，请返回阅读第 1 部分 和 第 2 部分！

来自 #OAK2021 标签的一些亮点

• Team Kauda 的每周更新，展示了 Unity 中的虚拟 OAK 设备，并支持管道
• Team EyeCan展示了他们的 TrinocularStereoNet 用于对水果进行标记
• Team SHL Robotics 的自动驾驶广告机器人冒险外出
• Team Roc4t.tech展示了他们的奶牛脸检测器
• OAK-D 的立体相机正在通过互联网进行直播，使用开源自动驾驶汽车 VisionAI 平台
• Team Cortic 揭示了他们新的分布式 MQTT 通信系统，用于边缘计算设备
• 四足农业机器人迈出了 OAK-D 的第一步

希望您的团队或视频能在这里展示？使用 #OAK2021 标签发布内容！我们一定会看到，全世界数千名比赛观看者也会看到。

Team BenchBotics

您的项目是什么？

BenchBot 是一个植物表型分析平台，由两个主要组件组成：一个半自动图像采集设备和一个中央处理单元，用于控制平台和相机移动。BenchBot 价格低廉、模块化、可升级、便携且易于使用。具体来说，BenchBot 可以调整为在不同尺寸的平台上工作，并且可以更改相机高度以适应不同高度和尺寸的植物。我们目前正在研究在温室条件下（即强光和高温）（图 3）最有效的图像采集和处理方法。此外，我们正在开发用于检测和识别植物、检测叶片、确定叶面积和估计整体植物生物量的图像处理算法。

我们的第一个原型由一个框架组成，该框架可以沿着温室平台移动，并安装有摄像机系统（摄像机和灯光），该系统会在每株盆栽植物处停止并拍摄单独的 RGB 和深度图像。我们目前正在开发一个半自动系统，该系统需要最少的人工干预。预期产品包括一个稳定的控制应用程序和一个合适的数据库，该数据库能够进行生物量测量和植物检测算法。我们还致力于平台和图像采集的全面自动化。我们预计这种技术将在公共和私人植物育种者中得到广泛采用。

您的团队有有趣的“起源故事”吗？你们是如何走到一起的？

太热了！

虽然我们的团队多年来一直专注于高通量表型分析系统，但这种具体方法的出现是由于夏季温室中出现的令人无法忍受的炎热条件。我们觉得必须有更好的方法！2019 年，我们探索了培育耐荫覆盖作物以适应玉米和大豆生产系统的方法。这项工作从在马里兰州贝尔茨维尔的美国农业部农业研究局地点进行的种质温室筛选开始。我们有 73 个基因型、3 种处理和 4 个重复（约 876 株植物！）。为了评估基因型在不同荫蔽条件下的表现，我们使用了经典的表型分析技术，例如测量每株植物的宽度和高度。我们还使用 PVC 框架和标准紧凑型相机拍摄了植物的照片，目的是利用这些照片来评估植物的表现。这个过程每周重复 10 周。我们为近 9000 株植物进行测量和拍照，需要 2 个人，在夏季超过 100 华氏度（超过 37.8 摄氏度）的超高温温室中花费了 120 多个小时。除非您喜欢桑拿，否则这不是在夏季长时间停留的理想场所。

您是如何决定要解决什么问题的？

对自动化图像采集的需求促成了 BenchBot 的诞生，该技术可以减少操作人员在温室中花费的时间，同时使用高通量表型分析标准化数据采集系统。使用简单廉价的 RGB 和深度图像结合半自动平台可以彻底改变新种质的育种。随着时间的推移，我们对 BenchBot 进行了改进，并扩展了其应用范围，包括与各种表型分析目标相关的各种摄像机系统。

您对 #OAK2021 最兴奋的部分是什么？

我们在该平台开发中面临的最大挑战之一是实时管理数据流和分析。OAK-D 相机可能是我们项目中的一个改变游戏规则者，因为我们可以压缩传输到云端以进行进一步分析的信息，从而实现高效的实时数据流和分析。我们非常兴奋能够使用新的 OpenCV AI 套件 (OAK-D) 和英特尔 OpenVINO 工具包发行版，创建一种低成本、半自动、非侵入性的方法，用于在温室条件下识别植物物种并量化其生物量、密度和叶面积。该项目的成功执行将极大地提高育种者对高通量表型分析解决方案的获取，从而加速全球作物改良。

当您得知入选第二阶段时，您有什么想法/感觉？

我们很高兴能被列入这项比赛的下一阶段。OpenCV 正在引领计算机视觉和学习在技术领域的应用，这样的比赛将在图像处理技术和计算机视觉应用的众多领域和趋势中产生积极影响。能够参与这项比赛并帮助创新计算机视觉和机器学习的应用，我们感到非常荣幸和兴奋。

到目前为止，比赛中有什么让您感到意外吗？

对我们来说如此鼓舞人心的是，我们的团队是如何走到一起并在其他工作流程中扩展协同作用的。这场比赛真正激发了我们合作伙伴的热情，并极大地加速了我们在 BenchBot 开发方面的进步和创新。

我们多少也预料到了这种动态，因为我们在上一届比赛中也有过类似的经历。支持团队的响应时间非常短且范围很广。很高兴参加一个有你所需支持的比赛，这样你就可以继续前进。我们非常感谢 Luxonis 的支持和努力，并对他们印象深刻。

您对其他参赛者有什么想说吗？

作为社区前进至关重要。这是发展技术的最佳方式，通过互相支持和鼓励。我们是一群特权的开发者、创新者和技术用户，我们携手可以扩大现实世界解决方案的价值和使用范围。

读者应该去哪里关注您的进展，才能最好地了解您的进展？

关注我们进展的最佳方式是

• 网站：https://precisionsustainableag.org/
• YouTube 频道：Precision Sustainable Agriculture – YouTube，
• 领英：https://www.linkedin.com/in/paula-ramos-41097319/

Team UCB_Squirrels

您的项目是什么？简要描述您的问题陈述和拟议解决方案

传统的识别系统由于安全问题、大量信息需要监控以及最近佩戴口罩的需求（使人脸识别不适用）而受到限制。为了克服这个问题，我们建议只使用人的行走方式来识别他们，因为步态特征可以轻松获取，并且可以从很远的距离获取 - 所有这些都考虑了实时响应。该技术被认为是最适合监控系统的生物识别技术，可用于识别人员，用于访问控制和重新识别等应用。

您的团队有有趣的“起源故事”吗？你们是如何走到一起的？

我们大多数人在加州大学伯克利分校已经从事计算机视觉和机器学习工作一段时间了。但我们团队参加这次比赛的起点可以追溯到一篇 Facebook 帖子，其中包含了关键词：“截止日期延长”。我们只有几天时间来准备提案，并了解 OAK-D，这很困难，但并非不可能。幸运的是，我们多年来一直在研究这个领域，所以收集我们的想法并按时提交提案并不成问题。但我们的团队名称却恰恰相反。尽管我们在一起工作了一段时间，但想出一个团队名称对于我们来说是一个全新的任务，这是谁都没有预料到的。  

你们是如何决定要解决什么问题的？ 

由于全球新冠肺炎疫情的爆发，各国政府都采取了措施，例如在公共场所强制佩戴口罩和保持社交距离。这些新政策对传统的识别系统提出了挑战，这些系统使用面部或指纹作为生物识别特征。因此，基于步态等新生物识别技术的识别系统变得更加具有吸引力。此外，我们的主要动机是依靠人类识别来防止非法人口贩运，这是我们等发展中国家面临的一个潜藏问题。 

你认为 #OAK2021 最激动人心的部分是什么？ 

我们认为，这次比赛最激动人心的事情是能够参与到正在发生的事件中，这些事件可能会对计算机视觉在现实世界中的应用方式产生深远的影响。此外，成为一个能够亲身体验最先进设备的精选团队，激励着我们继续研究和发展。 

当你得知自己入选了第二阶段时，你有什么想法/感受？ 

起初，我们很兴奋地得知我们试图解决的问题被拥有多年计算机视觉领域经验的人认为非常重要。但随后，我们也意识到，入选这一阶段意味着我们将能够使用 OAK-D 设备，并获得对最先进设备的第一手经验。这让我们感到震惊，也让我们对未来的发展充满热情。  

到目前为止，比赛中有什么让你感到意外吗？ 

有两件事让我们感到惊讶：OAK-D 的灵活性和功能，以及持续提供的支持。这款设备可以完成各种各样的项目，观察竞争对手提出的各种创意，对我们来说既丰富又富有启迪。此外，我们也对 OAK-D 的功能感到惊讶，因为能够在设备内部处理人工智能任务非常方便，也是一个非常受欢迎的特性。最后，我们没有想到 OpenCV 专门课程和 Discord 服务器会提供如此多的支持。  

你对你的竞争对手有什么想说的话吗？ 

继续努力，我们看到了你们的一些项目，它们很棒。我们对使用同一设备可以完成如此多的项目感到惊叹。 

读者应该到哪里关注你们，以便更好地了解你们的进展？ 

• Notion： https://www.notion.so/OpenCV-contest-cc5ff809f674471a83b4f4c28f19c9f8 
• GitHub：  https://github.com/cidimec/UCB-squirrels  
• YouTube 频道（UCB 工程学）：https://www.youtube.com/channel/UC_7gXEA-2D8rLPws_BEC3rg  
• 网站： https://cidimec.github.io/UCB-squirrels/  

更多内容即将推出

感谢您阅读我们团队简介系列的第三篇帖子。这只是参加这场大型比赛的 200 多个团队中的一部分，我们祝愿他们一切顺利！如果您是一位人工智能创建者，想要参与其中，为什么不从 OpenCV 商店 购买一个 OAK-D 呢？

敬请关注更多简介，并关注 Twitter、LinkedIn 或 Instagram 上的 #OAK2021 标签，了解来自这些优秀团队的最新信息。别忘了 订阅 OpenCV 新闻通讯，以便在新的帖子发布时收到通知，并获得来自我们合作伙伴的独家折扣和优惠。