Schnellstart-Anleitung: Seeed Studio reCamera mit Ultralytics YOLO11

reCamera wurde für die KI-Gemeinschaft auf der YOLO Vision 2024 (YV24) vorgestellt, Ultralytics der 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. den Anschluss des Geräts an ein WiFi-Netzwerk und den Zugriff auf die Node-RED Web UI für eine schnelle Vorschau der Erkennungsergebnisse mit den vorinstallierten Ultralytics YOLO Modellen.

Exportieren nach cvimodel: Konvertierung Ihres YOLO11 Modells

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 Modell in das ONNX Modellformat.

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")  # creates 'yolo11n.onnx'

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

📅 Erstellt vor 4 Tagen ✏️ Aktualisiert vor 4 Tagen

Kommentare