Ir al contenido

Guía de Inicio Rápido: Seeed Studio reCamera con Ultralytics YOLO11

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 borde, ofreciendo potentes capacidades de procesamiento y una implementación sencilla.

Con soporte para diversas configuraciones de hardware y recursos de código abierto, sirve como una plataforma ideal para prototipar e implementar soluciones innovadoras de visión artificial en el borde.

Seeed Studio reCamera

¿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. Estas son las razones por las que destaca:

  • Rendimiento impulsado por 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 la capacidad de ejecutar 1 billón de operaciones por segundo (1 TOPS), maneja fácilmente tareas exigentes como la detección de objetos en tiempo real.

  • 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 las imágenes HDR, la reducción de ruido 3D y la corrección de lentes garantizan imágenes profesionales, incluso en entornos difíciles.

  • Procesamiento dual de bajo consumo: Mientras que la SG200X se encarga de tareas complejas de IA, un microcontrolador más pequeño de 8 bits gestiona operaciones más sencillas para ahorrar energía, lo que hace que la reCamera sea ideal para configuraciones que funcionan con baterías o de bajo consumo.

  • Diseño Modular y Actualizable: La 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, lo que garantiza la flexibilidad y la preparación para el futuro de los proyectos en evolución.

Configuración Rápida del Hardware de reCamera

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

Inferencia utilizando modelos YOLO11 preinstalados

reCamera viene preinstalada con cuatro modelos Ultralytics YOLO11 y puedes simplemente elegir el modelo deseado dentro del panel de control de Node-RED.

Paso 1: Si ha conectado reCamera a una red, introduzca la dirección IP de reCamera en un navegador web para abrir el panel de control de Node-RED. Si ha conectado reCamera a un PC mediante USB, puede introducir 192.168.42.1. Aquí verá que el modelo de detección YOLO11n se carga de forma predeterminada.

Demostración de reCamera YOLO11n

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

Paso 3: Haga clic en model nodo y haga clic On Device.

Selección de modelo Node-RED

Paso 4: Elija uno de los cuatro modelos YOLO11n preinstalados diferentes y haga clic en Done. Por ejemplo, aquí seleccionaremos YOLO11n Pose

Selección de pose Node-RED YOLO11n

Paso 6: Haga clic en Deploy y cuando termine de implementarse, haga clic en Dashboard

Implementación de reCamera Node-RED

¡Ahora podrás ver el modelo de estimación de pose YOLO11n en acción!

Demostración de pose reCamera YOLO11n

Exportar a cvimodel: Convirtiendo su modelo YOLO11

Si desea utilizar un modelo YOLO11 entrenado a medida y usarlo con reCamera, siga los pasos a continuación.

Aquí primero convertiremos PyTorch modelo a ONNX y luego convertirlo a MLIR formato de modelo. Finalmente MLIR se convertirá en cvimodel para realizar inferencias en el dispositivo

Cadena de herramientas reCamera

Exportar a ONNX

Exporte un modelo Ultralytics YOLO11 al formato de modelo ONNX.

Instalación

Para instalar los paquetes necesarios, ejecute:

Instalación

pip install ultralytics

Para obtener instrucciones detalladas y las mejores prácticas relacionadas con el proceso de instalación, consulte nuestra Guía de instalación de Ultralytics. Mientras instala los paquetes necesarios para YOLO11, si encuentra alguna dificultad, consulte nuestra Guía de problemas comunes para obtener soluciones y consejos.

Uso

Uso

from ultralytics import YOLO

# Load the YOLO11 model
model = YOLO("yolo11n.pt")

# Export the model to ONNX format
model.export(format="onnx", opset=14)  # creates 'yolo11n.onnx'
# Export a YOLO11n PyTorch model to ONNX format
yolo export model=yolo11n.pt format=onnx opset=14 # creates 'yolo11n.onnx'

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

Exportar ONNX a MLIR y cvimodel

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

Nota

Estamos trabajando activamente para agregar soporte para reCamera directamente en el paquete Ultralytics, y estará disponible pronto. Mientras tanto, consulte nuestro blog sobre Integración de modelos Ultralytics YOLO con reCamera de Seeed Studio para obtener más información.

Benchmarks

Próximamente.

Aplicaciones en el 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, lo que ayuda a los desarrolladores y a las empresas a afrontar desafíos únicos con facilidad.

  • Detección de caídas: Diseñada para aplicaciones de seguridad y atención sanitaria, 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: La reCamera puede utilizarse para garantizar la seguridad en el lugar de trabajo mediante la detección del cumplimiento de los EPI en tiempo real. Ayuda a identificar si los trabajadores llevan cascos, guantes u otros equipos de seguridad, reduciendo los riesgos en entornos industriales.

Detección de equipos de protección personal

  • Detección de incendios: Las capacidades de procesamiento en tiempo real de reCamera la convierten en una excelente opción para la detección de incendios en áreas 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 monitoreo ambiental y la gestión de residuos.

  • Detección de Partes de Automóviles: En las industrias manufacturera y automotriz, ayuda a detectar y analizar las partes de los automóviles para el control de calidad, el monitoreo de la línea de ensamblaje y la gestión de inventario.

Detección de piezas de automóviles

Preguntas frecuentes

¿Cómo instalo y configuro reCamera por primera vez?

Para configurar su reCamera por primera vez, siga estos pasos:

  1. Conecte la reCamera a una fuente de alimentación
  2. Conéctela a su red WiFi mediante la Guía de inicio rápido de reCamera
  3. Acceda a la interfaz de usuario web de Node-RED introduciendo la dirección IP del dispositivo en un navegador web (o utilice 192.168.42.1 si está conectado a través de USB)
  4. Comience a utilizar los modelos YOLO11 preinstalados inmediatamente a través de la interfaz del panel de control

¿Puedo usar mis modelos YOLO11 personalizados con reCamera?

Sí, puedes utilizar modelos YOLO11 entrenados a medida con reCamera. El proceso implica:

  1. Exporte su modelo PyTorch al formato ONNX utilizando model.export(format="onnx", opset=14)
  2. Convierte el modelo ONNX al formato MLIR
  3. Convierte el MLIR al formato cvimodel para la inferencia en el dispositivo
  4. Cargue el modelo convertido en su reCamera

Para obtener instrucciones detalladas, consulta la guía Convertir y cuantificar 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 cálculo para aplicaciones de IA en el borde en tiempo real
  • Presenta un diseño modular que permite actualizaciones y personalización de componentes
  • Soporta tecnologías de vídeo avanzadas como la compresión H.264/H.265, imágenes HDR y reducción de ruido 3D
  • Viene preinstalado con modelos Ultralytics YOLO11 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.



📅 Creado hace 7 meses ✏️ Actualizado hace 5 meses

Comentarios