Schnellstart-Anleitung: Seeed Studio reCamera mit Ultralytics YOLO11

reCamera wurde auf der YOLO Vision 2024 (YV24) für die KI-Community vorgestellt, Ultralytics jährlichen Hybrid-Veranstaltung, vorgestellt. Sie ist vor allem für Edge-KI-Anwendungen konzipiert und bietet leistungsstarke Verarbeitungsfunktionen und mühelose Bereitstellung.

Durch die Unterstützung verschiedener Hardware-Konfigurationen und Open-Source-Ressourcen ist es eine ideale Plattform für die Entwicklung und den Einsatz innovativer Computer-Vision-Lösungen im Edge-Bereich.

Warum reCamera wählen?

Die reCamera-Serie wurde speziell für KI-Anwendungen entwickelt und ist auf die Bedürfnisse von Entwicklern und Innovatoren zugeschnitten. Hier ist der Grund, warum sie sich auszeichnet:

• RISC-V-gestützte Leistung: Das Herzstück ist der SG200X-Prozessor, der auf der RISC-V-Architektur basiert und eine außergewöhnliche Leistung für KI-Aufgaben bei gleichzeitiger Energieeffizienz bietet. Mit der Fähigkeit, 1 Billion Operationen pro Sekunde (1 TOPS) auszuführen, bewältigt er mühelos anspruchsvolle Aufgaben wie die Objekterkennung in Echtzeit.

• Optimierte Videotechnologien: Unterstützt fortschrittliche Videokomprimierungsstandards wie H.264 und H.265, um die Speicher- und Bandbreitenanforderungen ohne Qualitätseinbußen zu reduzieren. Funktionen wie HDR-Bildgebung, 3D-Rauschunterdrückung und Objektivkorrektur sorgen für professionelle Bilder, selbst in schwierigen Umgebungen.

• Energieeffiziente Doppelverarbeitung: Während der SG200X komplexe KI-Aufgaben übernimmt, verwaltet ein kleinerer 8-Bit-Mikrocontroller einfachere Vorgänge, um Energie zu sparen. Damit ist die reCamera ideal für batteriebetriebene oder stromsparende Systeme.

• Modulares und aufrüstbares Design: Die reCamera ist modular aufgebaut und besteht aus drei Hauptkomponenten: der Hauptplatine, der Sensorplatine und dem Baseboard. Dieses Design ermöglicht es Entwicklern, Komponenten einfach auszutauschen oder aufzurüsten, was Flexibilität und Zukunftssicherheit für sich entwickelnde Projekte gewährleistet.

Schnelle Hardware-Einrichtung von reCamera

Bitte folgen Sie dem reCamera Quick Start Guide für die erste Inbetriebnahme des Geräts, wie z.B. das Verbinden des Geräts mit einem WiFi-Netzwerk und den Zugriff auf die Node-RED Web UI für eine schnelle Vorschau der Erkennungsergebnisse.

Inferenz mit vorinstallierten YOLO11

reCamera ist mit vier Ultralytics YOLO11 vorinstalliert, und Sie können das gewünschte Modell einfach über das Node-RED-Dashboard auswählen.

• Erkennung (YOLO11n)
• Klassifizierung (YOLO11n-cls)
• Segmentierung (YOLO11n-seg)
• Posten Schätzung (YOLO11n-pose)

Schritt 1: Wenn Sie reCamera an ein Netzwerk angeschlossen haben, geben Sie die IP-Adresse von reCamera in einem Webbrowser ein, um das Node-RED-Dashboard zu öffnen. Wenn Sie die reCamera über USB an einen PC angeschlossen haben, können Sie Folgendes eingeben 192.168.42.1. Hier sehen Sie, dass das Erkennungsmodell YOLO11n standardmäßig geladen ist.

Schritt 2: Klicken Sie auf den grünen Farbkreis in der rechten unteren Ecke, um den Node-RED Flow Editor aufzurufen.

Schritt 3: Klicken Sie auf die Schaltfläche model Knoten und klicken Sie auf On Device.

Schritt 4: Wählen Sie eines der vier verschiedenen vorinstallierten YOLO11n-Modelle und klicken Sie auf Done. Zum Beispiel werden wir hier wählen YOLO11n Pose

Schritt 6: Klicken Sie auf Deploy und klicken Sie nach Abschluss der Bereitstellung auf Dashboard

Jetzt können Sie das YOLO11n Posenschätzungsmodell in Aktion sehen!

Exportieren nach cvimodel: Konvertierung Ihres YOLO11 Modells

Wenn Sie ein speziell trainiertes YOLO11 verwenden und mit reCamera benutzen möchten, folgen Sie bitte den unten stehenden Schritten.

Hier werden wir zunächst die PyTorch Modell zu ONNX und konvertieren ihn dann in MLIR Modellformat. Schließlich MLIR wird umgewandelt in cvimodel um auf das Gerät schließen zu können

Exportieren nach ONNX

Exportieren Sie ein Ultralytics YOLO11 in das ONNX .

Einrichtung

Um die erforderlichen Pakete zu installieren, führen Sie aus:

pip install ultralytics

Detaillierte Anweisungen und bewährte Verfahren für den Installationsprozess finden Sie in unserem Ultralytics Installationshandbuch. Wenn Sie bei der Installation der erforderlichen Pakete für YOLO11 auf Schwierigkeiten stoßen, finden Sie in unserem Leitfaden für häufige Probleme Lösungen und Tipps.

Verwendung

from ultralytics import YOLO

# Load the YOLO11 model
model = YOLO("yolo11n.pt")

# Export the model to ONNX format
model.export(format="onnx", opset=14)  # creates 'yolo11n.onnx'

# Export a YOLO11n PyTorch model to ONNX format
yolo export model=yolo11n.pt format=onnx opset=14 # creates 'yolo11n.onnx'

Weitere Einzelheiten zum Exportvorgang finden Sie auf der Dokumentationsseite zum Exportieren unterUltralytics .

ONNX in MLIR und cvimodel exportieren

Nachdem Sie ein ONNX Modell erhalten haben, lesen Sie die Seite Konvertieren und Quantisieren von AI-Modellen, um das ONNX Modell in MLIR und dann in cvimodel zu konvertieren.

Benchmarks

Demnächst verfügbar.

Real-World-Anwendungen von reCamera

Die fortschrittlichen Computer-Vision-Funktionen und das modulare Design von reCamera eignen sich für eine Vielzahl von realen Szenarien und helfen Entwicklern und Unternehmen, einzigartige Herausforderungen mit Leichtigkeit zu meistern.

• Sturz-Erkennung: Die reCamera wurde für Sicherheits- und Gesundheitsanwendungen entwickelt und kann Stürze in Echtzeit erkennen. Damit ist sie ideal für die Altenpflege, Krankenhäuser und industrielle Umgebungen, in denen eine schnelle Reaktion entscheidend ist.

• Erkennung von persönlicher Schutzausrüstung: Die reCamera kann zur Gewährleistung der Sicherheit am Arbeitsplatz eingesetzt werden, indem sie die Einhaltung von PSA in Echtzeit erkennt. Sie hilft zu erkennen, ob Arbeiter Helme, Handschuhe oder andere Schutzausrüstungen tragen und reduziert so die Risiken in industriellen Umgebungen.

• Branderkennung: Die Echtzeitverarbeitungsfähigkeiten der reCamera machen sie zu einer ausgezeichneten Wahl für die Branderkennung in Industrie- und Wohngebieten, die frühzeitige Warnungen zur Verhinderung potenzieller Katastrophen liefert.

• Abfalldetektion: Es kann auch zur Abfallerkennung eingesetzt werden, was es zu einem hervorragenden Werkzeug für die Umweltüberwachung und das Abfallmanagement macht.

• Erkennung von Autoteilen: In der Fertigungs- und Automobilindustrie hilft es bei der Erkennung und Analyse von Autoteilen für die Qualitätskontrolle, die Überwachung von Montagelinien und die Bestandsverwaltung.

FAQ

Wie installiere und richte ich reCamera zum ersten Mal ein?

Um Ihre reCamera zum ersten Mal einzurichten, folgen Sie diesen Schritten:

1. Schließen Sie die reCamera an eine Stromquelle an
2. Verbinden Sie sie mit Ihrem WiFi-Netzwerk mit Hilfe der reCamera Schnellstartanleitung
3. Greifen Sie auf die Node-RED-Web-UI zu, indem Sie die IP-Adresse des Geräts in einen Webbrowser eingeben (oder verwenden Sie 192.168.42.1 wenn über USB angeschlossen)
4. Nutzen Sie die vorinstallierten YOLO11 sofort über das Dashboard-Interface

Kann ich meine selbst trainierten YOLO11 mit reCamera verwenden?

Ja, Sie können individuell trainierte YOLO11 mit reCamera verwenden. Der Prozess beinhaltet:

1. Exportieren Sie Ihr PyTorch in das ONNX mit model.export(format="onnx", opset=14)
2. Umwandlung des ONNX in das MLIR-Format
3. Konvertierung des MLIR in das cvimodel-Format für geräteinterne Schlussfolgerungen
4. Laden Sie das konvertierte Modell auf Ihre reCamera

Detaillierte Anweisungen finden Sie in der Anleitung Konvertieren und Quantisieren von AI-Modellen.

Wodurch unterscheidet sich reCamera von herkömmlichen IP-Kameras?

Im Gegensatz zu herkömmlichen IP-Kameras, die externe Hardware zur Verarbeitung benötigen, ist reCamera:

• Integriert mit seinem RISC-V SG200X-Prozessor die KI-Verarbeitung direkt in das Gerät
• Bietet 1 TOPS Rechenleistung für Echtzeit-Edge-KI-Anwendungen
• Das modulare Design ermöglicht die Aufrüstung und Anpassung von Komponenten
• Unterstützt fortschrittliche Videotechnologien wie H.264/H.265-Komprimierung, HDR-Bildgebung und 3D-Rauschunterdrückung
• Die Ultralytics YOLO11 sind bereits vorinstalliert und können sofort eingesetzt werden.

Diese Eigenschaften machen reCamera zu einer eigenständigen Lösung für Edge-KI-Anwendungen, ohne dass zusätzliche externe Verarbeitungshardware erforderlich ist.

📅 Erstellt vor 2 Monaten ✏️ Aktualisiert vor 7 Tagen

Kommentare