前回、前々回から引き続き、植物の写真から病気を判別するサイト(http://www.plant-check.jp/)を作ったときのまとめ。今回はWEBサイトを構築したときのまとめ。
WEBサイトの概要
リンクにあるとおり、WEBサイトはシンプルな作りとなっている。大きなユースケースは下記の2つ。そしてやることはほとんど同じ。
- ユーザがサイトの「写真を撮影」ボタンを押すと、自分のスマホから写真を撮ることが出来る。次に「病気をチェック」ボタンを押すと、取った写真の植物が病気か判定される。
- ユーザがサイトの「写真を選択」ボタンを押すと、自分のPC/スマホから写真を選択することが出来る。次に「病気をチェック」ボタンを押すと、選んだ写真の植物が病気か判定される。
HTML部分
スマホ経由で写真を取らせるにはcapture=”camera”を使えばOK。
<input type="file" accept="image/*" capture="camera" id="camera" style="display:none;" name="upload" />
それ以外の部分として、labelタグを使ってボタンを隠したり、若干JavaScriptでボタンの活性・非活性を切り替えたりしているが特殊なことはやっていない。
サーバ部分
サーバ部分の構成は次の通りで、こちらも特殊な構成ではない。
- sakuraのVPS（ubuntu 16.04 LTS）
- Docker
- nginx
- uwsgi
- Pythonのアプリ
- bottleを利用してモデル部分（keras + tensorflow）とWEBアプリ部分をつなげた。
uwsgiとnginxのつなぎはSocketを使用した。（nginx側 uwsgi_pass unix:/path_to/uwsgi.sock、uwsgi側 socket = /path_to/uwsgi.sock ）良くわからない場合は、公式サイトのサンプルを見ながら書くのが一番だった記憶がある。
Pythonのアプリ部分はbottleを用いて書いた。毎回毎回モデルをロードするアプローチはさすがに富豪過ぎるので、起動時に判別モデル（植物か否か、病気か否か）をロードしてそれを使いまわすようにしている。
一点はまった点としてuwsgi.confでthreads = 1、enable-threads = falseとしないと動作しなかった。当時forumを確認した感じではkerasのpredict処理がマルチスレッドに対応していないのが原因だったと記憶している（が、モデル読み込み時にフリーズしたような記憶もある）。それと、bottleの制約のようだが、巨大ファイルをアップロードされた場合の対策（chunkごとに読みこんで、一定以上のサイズの場合は処理を停止）を自分で書かないといけないのが面倒だった。
まとめ
モデル構築部分のコード行数は約100行（×2）、サーバ部分のコード行数は約200行だった。「AI（人工知能）が病気を診断！」というサイトがこの程度の行数で書けてしまうのは、便利なライブラリが整備されたおかげで、作者に感謝である。もっとも、モデル構築部分はノウハウ含めて自動化されていくはずで、大手各社もAutoML、Azure Machine Learning、・・・と言った名前でそのような環境をリリースしている。
AIやら人工知能やら何やらの主戦場は、結局何するの？という方向か、ほんまに使えるの？という方向になる気がしていて、クロスバリデーションベースのモデル精度を競っても無意味な時代になりつつあるんだろうなーと思う。（ということで私は自動化大歓迎、その他の思いはその他へ）
今後、情熱が復活すれば他の病気への対応を行う予定。もう少し実験したいことがあるので、コードを公開するのはその後になる見込み。
Read more »