回到小学时，在操场上玩的常见游戏之一就是剪刀石头布。 您可以选择石头（闭合的拳头），纸张（平坦的手）和剪刀（拳头的食指和中指伸出，形成一个V）。 规则很简单：剪刀敲打石头，纸敲打石头，剪刀敲打纸。
这个项目有四个组成部分。 在IBM Cloud中运行的Node-RED，在Raspberry Pi上运行的Node-RED，Watson Visual Recognition服务以及Watson IoT Platform服务。 请参考Github仓库。
训练Watson视觉识别
TJBot使用Watson Visual Recognition服务对摄像机捕获的图像中的移动进行分类。 Watson服务接受了三组图像的训练：岩石（闭合手），纸张（平手），剪刀（拳头的食指和中指伸出，形成V）。 建议每次移动至少有50张图像，因此请您的朋友帮忙。
在Watson Visual Recognition中创建一个新的分类器，并通过如下所示的命令行上载包含图像的三个zip文件。 经过培训后，该服务将提供一个分类器ID，该ID可在调用Watson Visual Recognition服务时在Node-RED应用程序中使用。
curl -X POST -F“ scissor_positive_examples = @scissor .zip” -F“ rock_positive_examples = @rock .zip” -F“ paper_positive_examples = @paper .zip”“ https://gateway-a.watsonplatform.net/visual-recognition / api / v3 / classifiers？api_key = API_KEY＆version = 2016-05-20 “
IBM Cloud中的Node-RED
在IBM Cloud中创建一个Node-RED应用程序，以显示记分板，显示所拍摄的图片并添加一些可在游戏中使用的控件。 Node-RED流程如下所示。
创建IBM Cloud目录中可用的Internet of Things Platform Starter应用程序。 这将创建一个Node-RED应用程序，一个物联网平台服务并运行TJBot的前端接口。
前端接口是使用Node-RED仪表板节点创建的。 通过单击右上角的菜单-> 管理面板 -> 安装并搜索node-red-dashboard来 安装 节点 。 单击安装 。
在Watson Internet of Things Platform服务中，我注册了设备类型tjbot 。 我的每个TJBots都有一个唯一的ID。 在本教程中，我将其分配为gamer 。
将此JSON导入Node-RED。 编辑ibmiot节点，并使用设备类型和设备ID。 当用户在界面上按“播放”时，IoT命令将发送到TJBot以玩游戏。
Raspberry Pi上的Node-RED
为了保持相同的语言，我选择在运行TJBot的Raspberry Pi上使用Node-RED。 但是，您可以选择以Python，Node.js或其他语言订阅IoT命令，然后以这种方式玩游戏。
如果尚未在TJBot上安装TJBot Node-RED节点，请参阅此博客文章以获取有关如何安装的说明。 导入JSON流。 这是Node-RED流的样子。
TJBot使用Watson Text to Speech和Watson Visual Recognition服务执行大部分游戏。
TJBot在游戏中说的短语非常有限。 由于Internet连接中可能会有一些延迟，因此我选择合成短语并将其本地存储在设备上。
在“文本转换为语音”节点中将“ Watson文本转换为语音”服务凭据。
TJBot使用Watson Visual Recognition服务对通过相机捕获的动作进行了分类。 在“视觉识别”节点中设置Watson视觉识别服务凭据。
在视觉识别节点之前的更改节点中，用训练新的自定义分类器时先前创建的分类器ID替换分类器ID。
双击Watson IoT输入节点，并指定TJBot的IoT凭据以订阅命令。
双击语音节点，并使用扬声器，伺服，LED和摄像头设置TJBot。
最后，编辑http请求节点并将应用程序主机名设置为IBM Cloud应用程序。 这会将图片发布到Node-RED仪表板以显示在记分板上。
运行TJBot
通过打开Node-RED仪表板的端点/ ui访问IBM Cloud应用程序界面。 单击播放将命令发送到TJBot。
TJBot将解释游戏规则并倒数。 当它倒数时，请显示您距离TJBot前端约6英寸的移动。 与真实游戏不同，请保持动作平稳以避免拍照时相机模糊。 别担心，TJBot会随机移动，与玩家的移动无关。
如果您喜欢本教程，请拍拍手并为您对该游戏所做的任何添加发表评论。 一个很好的扩展是为TJBot的动作增加一些智能，但这将是另一篇文章。
