Schnellstartanleitung: Seeed Studio reCamera mit Ultralytics YOLO26#

reCamera wurde der KI-Community auf der jährlichen hybriden Veranstaltung von Ultralytics, YOLO Vision 2024 (YV24), vorgestellt. Sie wurde hauptsächlich für Edge-KI-Anwendungen entwickelt und bietet leistungsstarke Verarbeitungskapazitäten sowie eine unkomplizierte Bereitstellung.

Dank der Unterstützung verschiedener Hardwarekonfigurationen und Open-Source-Ressourcen dient sie als ideale Plattform für das Prototyping und die Bereitstellung innovativer Computer-Vision-Lösungen am Edge.

Warum reCamera?#

Die reCamera-Serie wurde speziell für Edge-KI-Anwendungen entwickelt und auf die Anforderungen von Entwicklern und Innovatoren zugeschnitten. Das zeichnet sie aus:

• Leistungsstark dank RISC-V: Das Herzstück ist der SG200X-Prozessor auf Basis der RISC-V-Architektur. Er bietet herausragende Leistung für Edge-KI-Aufgaben bei gleichzeitig hoher Energieeffizienz. Mit einer Rechenleistung von 1 Billion Operationen pro Sekunde (1 TOPS) bewältigt er anspruchsvolle Aufgaben wie die Objekterkennung in Echtzeit problemlos.

• Optimierte Videotechnologien: Unterstützt fortschrittliche Videokompressionsstandards wie H.264 und H.265, um Speicher- und Bandbreitenbedarf ohne Qualitätseinbußen zu reduzieren. Funktionen wie HDR-Bildgebung, 3D-Rauschunterdrückung und Objektivkorrektur sorgen selbst unter schwierigen Bedingungen für professionelle Bilder.

• Energieeffiziente duale Verarbeitung: Während der SG200X komplexe KI-Aufgaben übernimmt, steuert ein kleinerer 8-Bit-Mikrocontroller einfachere Vorgänge und spart dadurch Energie. Damit eignet sich die reCamera ideal für batteriebetriebene oder stromsparende Systeme.

• Modulares und erweiterbares Design: Die reCamera verfügt über eine modulare Struktur mit drei Hauptkomponenten: Kernplatine, Sensorplatine und Basisplatine. Dadurch können Entwickler Komponenten einfach austauschen oder aufrüsten. Das gewährleistet Flexibilität und macht die Lösung zukunftssicher für sich weiterentwickelnde Projekte.

Schnelle Hardwareeinrichtung der reCamera#

Befolge die Anleitung Erste Schritte mit reCamera und wähle dein Gerät (z. B. reCamera 2002 Series, Gimbal oder HQ POE) aus, um die zugehörige Schnellstartanleitung für die erste Einrichtung zu öffnen. Dazu gehören beispielsweise das Verbinden des Geräts mit einem Netzwerk und der Zugriff auf die Node-RED-Weboberfläche zur schnellen Vorschau der Erkennungsergebnisse.

Inference mit vorinstallierten YOLO26-Modellen#

Auf der reCamera sind bereits vier Ultralytics YOLO26-Modelle installiert. Du kannst das gewünschte Modell einfach im Node-RED-Dashboard auswählen.

• Erkennung (YOLO26n)
• Segmentierung (YOLO26n-seg)
• Klassifizierung (YOLO26n-cls)
• Posenschätzung (YOLO26n-pose)

Schritt 1: Wenn du die reCamera mit einem Netzwerk verbunden hast, gib ihre IP-Adresse in einem Webbrowser ein, um das Node-RED-Dashboard zu öffnen. Wenn du die reCamera über USB mit einem PC verbunden hast, kannst du 192.168.42.1 eingeben. Hier siehst du, dass standardmäßig das YOLO26n-Erkennungsmodell geladen ist.

Schritt 2: Klicke unten rechts auf den grünen Kreis, um den Node-RED-Flow-Editor zu öffnen.

Schritt 3: Klicke auf den Knoten model und anschließend auf On Device.

Schritt 4: Wähle eines der vier vorinstallierten YOLO26n-Modelle aus und klicke auf Done. In diesem Beispiel wählen wir YOLO26n Pose aus.

Schritt 5: Klicke auf Deploy. Sobald die Bereitstellung abgeschlossen ist, klicke auf Dashboard.

Jetzt kannst du das YOLO26n-Posenschätzungsmodell in Aktion sehen!

Export nach cvimodel: Dein YOLO26-Modell konvertieren#

Wenn du ein individuell trainiertes YOLO26-Modell mit reCamera verwenden möchtest, befolge die folgenden Schritte.

Zuerst konvertieren wir hier ein PyTorch-Modell in ONNX und anschließend in das Modellformat MLIR. Schließlich wird MLIR in cvimodel konvertiert, um Inference auf dem Gerät auszuführen.

Nach ONNX exportieren#

Exportiere ein Ultralytics-YOLO26-Modell in das ONNX-Modellformat.

Installation#

Führe zur Installation der erforderlichen Pakete Folgendes aus:

pip install ultralytics

Ausführliche Anweisungen und bewährte Vorgehensweisen zur Installation findest du in unserem Installationsleitfaden von Ultralytics. Sollten bei der Installation der für YOLO26 erforderlichen Pakete Schwierigkeiten auftreten, findest du in unserem Leitfaden zu häufigen Problemen Lösungen und Tipps.

Verwendung#

from ultralytics import YOLO

# Load a YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to ONNX format
model.export(format="onnx", opset=14)  # creates 'yolo26n.onnx'

Weitere Informationen zum Exportvorgang findest du auf der Ultralytics-Dokumentationsseite zum Export.

ONNX nach MLIR und cvimodel exportieren#

Nachdem du ein ONNX-Modell erhalten hast, findest du in der Anleitung KI-Modelle konvertieren und quantisieren Informationen dazu, wie du das ONNX-Modell zunächst in MLIR und anschließend in cvimodel konvertierst.

Benchmarks#

Demnächst verfügbar.

Praxisanwendungen der reCamera#

Die fortschrittlichen Computer-Vision-Funktionen und das modulare Design der reCamera eignen sich für zahlreiche praxisnahe Szenarien und helfen Entwicklern und Unternehmen, besondere Herausforderungen mühelos zu bewältigen.

• Sturzerkennung: Die reCamera wurde für Anwendungen in den Bereichen Sicherheit und Gesundheitswesen entwickelt und kann Stürze in Echtzeit erkennen. Damit eignet sie sich ideal für die Betreuung älterer Menschen, Krankenhäuser und industrielle Umgebungen, in denen eine schnelle Reaktion entscheidend ist.

• Erkennung persönlicher Schutzausrüstung: Die reCamera kann zur Arbeitssicherheit beitragen, indem sie in Echtzeit erkennt, ob die Vorgaben für PPE eingehalten werden. Sie stellt fest, ob Beschäftigte Helme, Handschuhe oder andere Schutzausrüstung tragen, und reduziert so Risiken in industriellen Umgebungen.

• Branderkennung: Dank ihrer Echtzeitverarbeitung eignet sich die reCamera hervorragend zur Branderkennung in Industrie- und Wohngebieten. Sie ermöglicht frühzeitige Warnungen und hilft, mögliche Katastrophen zu verhindern.

• Erkennung von Abfällen: Sie kann auch für Anwendungen zur Abfallerkennung eingesetzt werden und ist damit ein hervorragendes Werkzeug für die Umweltüberwachung und das Abfallmanagement.

• Erkennung von Fahrzeugteilen: In der Fertigungs- und Automobilindustrie unterstützt sie die Erkennung und Analyse von Fahrzeugteilen für die Qualitätskontrolle, die Überwachung von Montagelinien und die Bestandsverwaltung.

FAQ#