估计难度--测量罐内粉尘颗粒的体积。

Question

我的目标只是想得到一个专家对下面描述的项目的困难程度的估计.我在一家以粉末形式生产化学品（磷酸盐）的公司工作。我们把粉末储存在罐子里（体积约500m3，半径3米，高17米）。多年来我们的问题是，我们一直无法测量在特定时刻罐中有多少粉末。这主要是由于粉末的物理特性（液体很容易测量）。当粉料生产出来放入罐中时，是小山形的，当粉料要出仓包装时，中间会形成一个坑。为了更好的想象，我附上了一张图片。我有一个想法，如果我们能在罐子的顶部放置一个摄像头，拍一些罐子里不同数量和形状的粉末的照片（并对这些样品每次称重），让机器学习算法估计未来的粉末数量（以吨为单位）。据我所知，目前还没有一种技术适合在物料不断流入或流出的罐子中称量粉末的重量（要么其超级昂贵，要么非常不准确）。

所以我想问一下。

1. 你认为这能行吗？
2. 写代码会有多难？我知道一些基本的python编程，我在VBA方面也是 "中级 "水平。但我看了几篇关于图像识别的文章，似乎并不难。
3. 估计我们需要多少样本（一个形状的照片和它的重量）来教算法做一个有用的估计？

谢谢你的意见

Answer 1

这当然不是一个不合理的想法。要回答你的问题。

1. 这取决于图像之间是否真的存在可感知的差异。如果两幅图像看起来近乎相同，但它们的权重不同，那么这不太可能成功（注意，计算机有可能检测到你可能检测不到的差异，所以不要马上否定它）。

2. 在你开始之前，你需要学习一些机器学习的基础知识（你的Python知识会有帮助），但你的大部分学习可能会在项目工作时进行。我推荐你使用 Kaggle课程 为您。

3. 这并不容易估计--它在很大程度上取决于你的数据内的变化，以及你的模型的复杂性。我刚刚注意到你添加了一条评论，提到你最好使用少于50张图片--这很可能远远不够。你所担心的500多张更有可能是这种情况。然而，请记住，训练中使用的图片数量不一定是你要拍摄的图片数量--通过 数据扩增 (如翻转、旋转、翻转+旋转等技术)，可以增加数据集中的图像数量。