printf("ho_tari\n");

2024.12.09 5일차 마지막 날에는 학습시킨 모델을 이용하여 카메라가 실시간으로 PCD를 인식하고 실시간으로 객체를 탐지해 바운딩 박스를 생성하고 모든 클래스를 탐지하면서 그 PCD가 정상품이라면 정상품으로 판단하고 불량품이면 불량품으로 판단하도록 하였다.      import timeimport serialimport requestsimport numpy as npimport osimport cv2import jsonimport loggingimport randomimport sqlite3from datetime import datetimefrom requests.auth import HTTPBasicAuthimport threadingimport queue # 큐를 사용하기 위한 임포트# --..

2024.12.06 4일차부터는 YOLOv6의 M모델과 L모델의 객체 탐지 정확도를 향상시키기 위해 계속해서 여러 데이터들을 만들고 학습시키는 것을 반복하였다. 학습 데이터의 수를 다르게 해보며 모델을 학습시켰다. 데이터의 수를 조금씩 늘려가보기도 하고 데이터의 경향성을 일관되게 만들어보기도 하였다. YOLOv6-M모델의 L모델보다 더 정확도가 높다고 판단하여 M 모델을 사용하기로 결정하였고 계속해서 M 모델을 발전시키려고 하였다. M 모델의 mAP 수치는 80% 후반으로 계속해서 높게 나왔지만 이미지에 대해 객체를 탐지하는 정확도가 높지 않았고 그 원인에 대해 분석을 하고 해결해보려고 하였지만 쉽게 해결되지 않았다.