Guía de inicio rápido: Seeed Studio reCamera con Ultralytics YOLO26#

reCamera se presentó a la comunidad de IA en YOLO Vision 2024 (YV24), el evento híbrido anual de Ultralytics. Está diseñada principalmente para aplicaciones de IA en el perímetro y ofrece una gran capacidad de procesamiento y una implementación sencilla.

Gracias a su compatibilidad con distintas configuraciones de hardware y recursos de código abierto, es una plataforma ideal para crear prototipos e implementar soluciones de visión artificial en el perímetro.

¿Por qué elegir reCamera?#

La serie reCamera está diseñada específicamente para aplicaciones de IA en el perímetro y adaptada a las necesidades de desarrolladores e innovadores. Estas son sus características más destacadas:

• Rendimiento con RISC-V: su núcleo es el procesador SG200X, basado en la arquitectura RISC-V, que ofrece un rendimiento excepcional para tareas de IA en el perímetro sin renunciar a la eficiencia energética. Con capacidad para ejecutar 1 billón de operaciones por segundo (1 TOPS), gestiona fácilmente tareas exigentes como la detección de objetos en tiempo real.

• Tecnologías de vídeo optimizadas: admite estándares avanzados de compresión de vídeo, como H.264 y H.265, para reducir las necesidades de almacenamiento y ancho de banda sin sacrificar la calidad. Funciones como las imágenes HDR, la reducción de ruido 3D y la corrección de lente garantizan resultados de calidad profesional, incluso en entornos difíciles.

• Procesamiento dual de bajo consumo: mientras el SG200X se encarga de las tareas complejas de IA, un microcontrolador más pequeño de 8 bits gestiona las operaciones sencillas para ahorrar energía. Esto convierte a reCamera en una opción ideal para configuraciones alimentadas por batería o de bajo consumo.

• Diseño modular y actualizable: reCamera tiene una estructura modular compuesta por tres elementos principales: la placa central, la placa del sensor y la placa base. Este diseño permite a los desarrolladores intercambiar o actualizar componentes fácilmente, lo que garantiza flexibilidad y prepara los proyectos para futuras necesidades.

Configuración rápida del hardware de reCamera#

Sigue la página Introducción a reCamera y selecciona tu dispositivo (por ejemplo, reCamera serie 2002, Gimbal o HQ POE) para abrir su guía de inicio rápido y configurar el dispositivo por primera vez, por ejemplo, conectándolo a una red y accediendo a la interfaz web de Node-RED para previsualizar rápidamente los resultados de detección.

Inferencia con los modelos YOLO26 preinstalados#

reCamera viene con cuatro modelos Ultralytics YOLO26 preinstalados; solo tienes que elegir el modelo que quieras en el panel de Node-RED.

• Detección (YOLO26n)
• Segmentación (YOLO26n-seg)
• Clasificación (YOLO26n-cls)
• Estimación de pose (YOLO26n-pose)

Paso 1: si has conectado reCamera a una red, introduce su dirección IP en un navegador web para abrir el panel de Node-RED. Si has conectado reCamera a un PC por USB, puedes introducir 192.168.42.1. Aquí verás que el modelo de detección YOLO26n se carga de forma predeterminada.

Paso 2: haz clic en el círculo verde de la esquina inferior derecha para acceder al editor de flujos de Node-RED.

Paso 3: haz clic en el nodo model y, después, en On Device.

Paso 4: elige uno de los cuatro modelos YOLO26n preinstalados y haz clic en Done. Por ejemplo, aquí seleccionaremos YOLO26n Pose.

Paso 5: haz clic en Deploy y, cuando termine de implementarse, haz clic en Dashboard.

¡Ahora podrás ver el modelo de estimación de pose YOLO26n en acción!

Exportar a cvimodel: convertir tu modelo YOLO26#

Si quieres usar un modelo YOLO26 entrenado a medida con reCamera, sigue estos pasos.

Primero convertiremos un modelo PyTorch a ONNX y, después, lo convertiremos al formato de modelo MLIR. Por último, MLIR se convertirá a cvimodel para ejecutar la inferencia en el dispositivo.

Exportar a ONNX#

Exporta un modelo Ultralytics YOLO26 al formato de modelo ONNX.

Instalación#

Para instalar los paquetes necesarios, ejecuta:

pip install ultralytics

Para obtener instrucciones detalladas y buenas prácticas relacionadas con el proceso de instalación, consulta nuestra guía de instalación de Ultralytics. Si tienes dificultades al instalar los paquetes necesarios para YOLO26, consulta nuestra guía sobre problemas habituales, donde encontrarás soluciones y consejos.

Uso#

from ultralytics import YOLO

# Carga un modelo YOLO26
model = YOLO("yolo26n.pt")

# Exporta el modelo al formato ONNX
model.export(format="onnx", opset=14)  # crea 'yolo26n.onnx'

Para obtener más información sobre el proceso de exportación, visita la página de documentación de Ultralytics sobre exportación.

Exportar ONNX a MLIR y cvimodel#

Una vez que tengas un modelo ONNX, consulta la página Convertir y cuantizar modelos de IA para convertir el modelo ONNX a MLIR y, después, a cvimodel.

Pruebas de rendimiento#

Próximamente.

Aplicaciones de reCamera en el mundo real#

Las avanzadas capacidades de visión artificial y el diseño modular de reCamera la hacen adecuada para una amplia variedad de situaciones reales, lo que ayuda a desarrolladores y empresas a afrontar retos específicos con facilidad.

• Detección de caídas: Diseñada para aplicaciones de seguridad y asistencia sanitaria, reCamera puede detectar caídas en tiempo real, por lo que es ideal para residencias de mayores, hospitales y entornos industriales donde es fundamental responder con rapidez.

• Detección de equipos de protección individual: reCamera puede utilizarse para garantizar la seguridad en el lugar de trabajo mediante la detección en tiempo real del uso correcto de los EPI. Ayuda a identificar si los trabajadores llevan cascos, guantes u otros equipos de protección, lo que reduce los riesgos en entornos industriales.

• Detección de incendios: Las capacidades de procesamiento en tiempo real de reCamera la convierten en una excelente opción para la detección de incendios en zonas industriales y residenciales, ya que permite avisar con antelación para prevenir posibles desastres.

• Detección de residuos: También puede utilizarse en aplicaciones de detección de residuos, lo que la convierte en una excelente herramienta para la supervisión medioambiental y la gestión de residuos.

• Detección de piezas de automóviles: En los sectores de la fabricación y la automoción, ayuda a detectar y analizar piezas de automóviles para el control de calidad, la supervisión de las líneas de montaje y la gestión del inventario.

Preguntas frecuentes#