Guía de inicio rápido: Seeed Studio reCamera con Ultralytics YOLO26

reCamera fue presentada 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 borde (edge AI), ofreciendo capacidades de procesamiento potentes y un despliegue sencillo.

With support for diverse hardware configurations and open-source resources, it serves as an ideal platform for prototyping and deploying innovative computer vision solutions at the edge.

¿Por qué elegir reCamera?

La serie reCamera está diseñada específicamente para aplicaciones de IA en el borde, adaptada para satisfacer las necesidades de desarrolladores e innovadores. Aquí te explicamos por qué destaca:

• Rendimiento basado en RISC-V: En su núcleo se encuentra el procesador SG200X, construido sobre la arquitectura RISC-V, que ofrece un rendimiento excepcional para tareas de IA en el borde manteniendo la eficiencia energética. Con capacidad para ejecutar 1 billón de operaciones por segundo (1 TOPS), maneja tareas exigentes como la detección de objetos en tiempo real con facilidad.

• Tecnologías de vídeo optimizadas: Admite estándares avanzados de compresión de vídeo, incluidos H.264 y H.265, para reducir los requisitos de almacenamiento y ancho de banda sin sacrificar la calidad. Funciones como la imagen HDR, la reducción de ruido 3D y la corrección de lente garantizan efectos visuales profesionales, incluso en entornos complejos.

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

• Diseño modular y actualizable: reCamera está construida con una estructura modular que consta de 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 preparación para futuros proyectos.

Configuración rápida del hardware de reCamera

Sigue la Guía de inicio rápido de reCamera para la configuración inicial del dispositivo, como conectar el dispositivo a una red WiFi y acceder a la interfaz web de Node-RED para obtener una vista previa rápida de los resultados de detección.

Inferencia mediante modelos YOLO26 preinstalados

reCamera viene con cuatro modelos Ultralytics YOLO26 preinstalados y simplemente puedes elegir el modelo que desees dentro del panel de control de Node-RED.

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

Paso 1: Si has conectado reCamera a una red, introduce la dirección IP de reCamera en un navegador web para abrir el panel de control de Node-RED. Si has conectado la reCamera a un PC mediante USB, puedes introducir 192.168.42.1. Aquí verás que el modelo de detección YOLO26n está cargado por defecto.

Paso 2: Haz clic en el círculo de color verde en 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 finalice la implementación, haz clic en Dashboard.

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

Exportar a cvimodel: convertir tu modelo YOLO26

Si deseas utilizar un modelo YOLO26 entrenado a medida con reCamera, sigue los pasos a continuación.

Aquí, primero convertiremos un modelo PyTorch a ONNX y luego lo convertiremos al formato de modelo MLIR. Finalmente, 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:

!!! Tip "Instalación"

pip install ultralytics

Para obtener instrucciones detalladas y mejores prácticas relacionadas con el proceso de instalación, consulta nuestra guía de instalación de Ultralytics. Si encuentras alguna dificultad al instalar los paquetes necesarios para YOLO26, consulta nuestra guía de problemas comunes para obtener soluciones y consejos.

Uso

from ultralytics import YOLO

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

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

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

Exportar 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 luego a cvimodel.

Benchmarks

Próximamente.

Aplicaciones del mundo real de reCamera

Las capacidades avanzadas de visión artificial y el diseño modular de reCamera la hacen adecuada para una amplia gama de escenarios del mundo real, ayudando a desarrolladores y empresas a abordar desafíos únicos con facilidad.

• Detección de caídas: Diseñada para aplicaciones de seguridad y salud, la reCamera puede detectar caídas en tiempo real, lo que la hace ideal para el cuidado de ancianos, hospitales y entornos industriales donde una respuesta rápida es fundamental.

• Detección de equipos de protección individual (EPI): La reCamera puede utilizarse para garantizar la seguridad en el lugar de trabajo detectando el cumplimiento del uso de EPI en tiempo real. 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 la reCamera la convierten en una excelente opción para la detección de incendios en zonas industriales y residenciales, proporcionando alertas tempranas para prevenir posibles desastres.

• Detección de residuos: También se puede utilizar para aplicaciones de detección de residuos, lo que la convierte en una excelente herramienta para el control medioambiental y la gestión de residuos.

• Detección de piezas de coche: En las industrias automovilística y de fabricación, ayuda a detectar y analizar piezas de coche para el control de calidad, el seguimiento de la línea de montaje y la gestión del inventario.

Preguntas frecuentes

¿Cómo instalo y configuro reCamera por primera vez?

Para configurar tu reCamera por primera vez, sigue estos pasos:

1. Conecta la reCamera a una fuente de alimentación
2. Conéctala a tu red WiFi utilizando la Guía de inicio rápido de reCamera
3. Accede a la interfaz web de Node-RED introduciendo la dirección IP del dispositivo en un navegador web (o utiliza 192.168.42.1 si estás conectado mediante USB)
4. Empieza a utilizar los modelos YOLO26 preinstalados inmediatamente a través de la interfaz del panel de control

¿Puedo usar mis propios modelos YOLO26 entrenados a medida con reCamera?

Sí, puedes utilizar modelos YOLO26 personalizados con reCamera. El proceso implica:

1. Exportar tu modelo PyTorch al formato ONNX usando model.export(format="onnx", opset=14)
2. Convertir el modelo ONNX al formato MLIR
3. Convertir el MLIR al formato cvimodel para inferencia en el dispositivo
4. Cargar el modelo convertido en tu reCamera

Para obtener instrucciones detalladas, consulta la guía Convertir y cuantizar modelos de IA.

¿Qué diferencia a reCamera de las cámaras IP tradicionales?

A diferencia de las cámaras IP tradicionales que requieren hardware externo para el procesamiento, reCamera:

• Integra el procesamiento de IA directamente en el dispositivo con su procesador RISC-V SG200X
• Ofrece 1 TOPS de potencia de computación para aplicaciones de IA en el borde en tiempo real
• Presenta un diseño modular que permite la actualización y personalización de componentes
• Admite tecnologías de vídeo avanzadas como la compresión H.264/H.265, imágenes HDR y reducción de ruido 3D
• Viene preinstalada con modelos Ultralytics YOLO26 para su uso inmediato

Estas características hacen de reCamera una solución independiente para aplicaciones de IA en el borde sin necesidad de hardware de procesamiento externo adicional.