Робот-решатель судоку

Необходимые инструменты и машины

3D-принтер (общий)

Приложения и онлайн-сервисы

	TensorFlow
	OpenCV
	python

Об этом проекте

Робот, который самостоятельно решает и заполняет сетку судоку!

Судоку - это цифровые головоломки, которые компьютеры могут решать автоматически, потому что они подчиняются некоторым простым математическим правилам.

Основная цель этого проекта заключалась в создании рудиментарного и автономного робота, такого как основание стола для построения чертежей на основе идеи 3D-принтера, который сможет:

• проанализировать сетку судоку, которую нужно заполнить.

• решить задачу судоку.

• заполнить сетку

Это означает, что робот должен уметь обрабатывать сетку, которую нужно решить, чтобы обнаруживать уже заполненные поля, их значения, а затем переходить к заполнению, как показано ниже в заполненной сетке.

Как это работает?

Аппаратная часть робота заключается в использовании Raspberry Pi 3 с камерой. Фотография сетки делается в начале процесса.

Затем сетка предварительно обрабатывается с использованием методов обработки изображений для подавления артефактов. Затем нужно исправить, чтобы получить изображение, сфокусированное только на сетке.

После получения сетки судоку мы сегментируем ее, чтобы извлечь каждую ячейку и приступить к распознаванию изображений с помощью нейронной сети. В конце этого процесса у нас есть числовое представление нашей сетки, которое затем можно решить.

После решения Raspberry Pi снова используется для управления двигателями робота, чтобы заполнить сетку.

Подводя итог,

• 1 - исправить сетку

• 2 - оценить контуры сетки

• 3 - усилить контур (умножив 1 на 2).

• 4 - сегментировать сетку для извлечения ящиков.

• 5 - перейти к распознаванию изображений

Результат

Необходимые навыки

• компьютерное зрение

• Обработка изображений

• Навыки программирования

• Электронный

• Механический

Полезные инструменты и API

• Python

• тензорный поток для нейронной сети

• opencv для обработки изображений

Ссылки

• https://en.wikipedia.org/wiki/Sudoku

• https://github.com/Sanahm/TensorFlow-Tutorials

Для получения дополнительной информации о проекте свяжитесь со мной на Github.

Код

Github