De PoC (proof of concept) op het droge is wat mij betreft geslaagd.
In het demo videootje kopieer ik even een aantal images met de hand naar de betreffende image folder op de Raspberry Pi4 om het script zijn werk te laten doen.
Ik heb via de Google Auto ML Interface een model getraind met 100 ISS, vliegtuig en Melkweg images (300 in totaal). Vandaag heb ik een Python scriptje in elkaar gedraaid die:
1. de upload folder van ASI290MC in de gaten houdt voor nieuwe images;
2. indien nieuw bestand dit image classificeert.
Vanaf nu is van alles mogelijk, ik kan er voor kiezen om log bestanden aan te laten maken, images met een hoge ISS score (of welk object dan ook indien getraind) naar een aparte folder te kopiëren (idee @KeesScherer) etc.
In feite is het doel bereikt, autonome objectherkenning door de camera (het systeem) en is de rest een kwestie van verder verfijnen.