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 edge, ya que ofrece una gran capacidad de procesamiento y una implementación sencilla.

Con compatibilidad con diversas configuraciones de hardware y recursos de código abierto, sirve como plataforma ideal para crear prototipos e implementar soluciones innovadoras de visión artificial en el edge.

¿Por qué elegir reCamera?#

La serie reCamera está diseñada específicamente para aplicaciones de IA en el edge y adaptada a las necesidades de desarrolladores e innovadores. Estas son sus principales ventajas:

• Rendimiento basado en RISC-V: En su núcleo se encuentra el procesador SG200X, basado en la arquitectura RISC-V, que ofrece un rendimiento excepcional para tareas de IA en el edge, manteniendo al mismo tiempo la eficiencia energética. Con capacidad para ejecutar un 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 los requisitos de almacenamiento y ancho de banda sin sacrificar la calidad. Funciones como la captura de imágenes HDR, la reducción de ruido 3D y la corrección de lente garantizan imágenes profesionales incluso en entornos exigentes.

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

• Diseño modular y actualizable: reCamera está construida con una estructura modular compuesta por tres componentes principales: la placa central, la placa del sensor y la placa base. Este diseño permite a los desarrolladores intercambiar o actualizar componentes fácilmente, garantizando flexibilidad y preparando los proyectos para futuras necesidades.

Configuración rápida del hardware de reCamera#

Sigue la página Primeros pasos con reCamera y selecciona tu dispositivo (como la serie reCamera 2002, Gimbal o HQ POE) para abrir su guía de inicio rápido y realizar la configuración inicial, como conectar el dispositivo a una red y acceder a la interfaz web de Node-RED para previsualizar rápidamente los resultados de detección.

Inferencia con modelos YOLO26 preinstalados#

reCamera viene con cuatro modelos Ultralytics YOLO26 preinstalados y 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 mediante USB, puedes introducir 192.168.42.1. Aquí verás que el modelo de detección YOLO26n está cargado 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!

Exportación a cvimodel: conversión de tu modelo YOLO26#

Si quieres utilizar un modelo YOLO26 entrenado a medida con reCamera, sigue los pasos que se indican a continuación.

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 consultar instrucciones detalladas y buenas prácticas relacionadas con el proceso de instalación, revisa nuestra guía de instalación de Ultralytics. Si encuentras dificultades al instalar los paquetes necesarios para YOLO26, consulta nuestra guía de problemas comunes para obtener soluciones y consejos.

Uso#

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'

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

Exportación de ONNX a MLIR y cvimodel#

Después de obtener un modelo ONNX, consulta la página Convertir y cuantizar modelos de IA para convertir el modelo ONNX a MLIR y, después, a cvimodel.

Evaluaciones comparativas#

Próximamente.

Aplicaciones reales de reCamera#

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

• Detección de caídas: Diseñada para aplicaciones de seguridad y atención sanitaria, reCamera puede detectar caídas en tiempo real, por lo que resulta ideal para el cuidado de personas mayores, hospitales y entornos industriales donde una respuesta rápida es fundamental.

• Detección de equipos de protección individual: reCamera puede utilizarse para garantizar la seguridad en el trabajo mediante la detección en tiempo real del cumplimiento del uso de PPE. Ayuda a identificar si los trabajadores llevan cascos, guantes u otro equipo de seguridad, reduciendo 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 proporciona alertas tempranas para evitar posibles desastres.

• Detección de residuos: También puede utilizarse en aplicaciones de detección de residuos, lo que la convierte en una herramienta excelente 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 líneas de montaje y la gestión de inventarios.

Preguntas frecuentes#