Guida rapida: Seeed Studio reCamera con Ultralytics YOLO11

reCamera è stata presentata alla comunità AI durante YOLO Vision 2024 (YV24), l'evento ibrido annuale di Ultralytics. È progettata principalmente per le applicazioni AI edge, offrendo potenti capacità di elaborazione e un'implementazione semplice.

Grazie al supporto per diverse configurazioni hardware e risorse open source, funge da piattaforma ideale per la prototipazione e la distribuzione di soluzioni innovative di computer vision all'edge.

Perché scegliere reCamera?

La serie reCamera è appositamente progettata per applicazioni di edge AI, su misura per soddisfare le esigenze di sviluppatori e innovatori. Ecco perché si distingue:

• Prestazioni Potenziate da RISC-V: Al suo interno si trova il processore SG200X, costruito sull'architettura RISC-V, che offre prestazioni eccezionali per le attività di edge AI mantenendo l'efficienza energetica. Con la capacità di eseguire 1 trilione di operazioni al secondo (1 TOPS), gestisce facilmente attività impegnative come il rilevamento di oggetti in tempo reale.

• Tecnologie Video Ottimizzate: Supporta standard avanzati di compressione video, inclusi H.264 e H.265, per ridurre i requisiti di archiviazione e larghezza di banda senza sacrificare la qualità. Funzionalità come l'imaging HDR, la riduzione del rumore 3D e la correzione dell'obiettivo assicurano immagini professionali, anche in ambienti difficili.

• Elaborazione Duale ad Efficienza Energetica: Mentre l'SG200X gestisce compiti complessi di IA, un microcontrollore a 8 bit più piccolo gestisce operazioni più semplici per conservare energia, rendendo la reCamera ideale per configurazioni alimentate a batteria o a bassa potenza.

• Design modulare e aggiornabile: la reCamera è costruita con una struttura modulare, composta da tre componenti principali: la scheda centrale, la scheda sensore e la scheda base. Questo design consente agli sviluppatori di sostituire o aggiornare facilmente i componenti, garantendo flessibilità e preparazione per il futuro per progetti in evoluzione.

Configurazione rapida dell'hardware di reCamera

Si prega di seguire la Guida rapida di reCamera per l'onboarding iniziale del dispositivo, come il collegamento del dispositivo a una rete WiFi e l'accesso all'interfaccia web Node-RED per un'anteprima rapida dei risultati del detection.

Inferenza utilizzando modelli YOLO11 preinstallati

reCamera viene fornita preinstallata con quattro modelli Ultralytics YOLO11 e puoi semplicemente scegliere il modello desiderato all'interno della dashboard Node-RED.

• Rilevamento (YOLO11n)
• Classificazione (YOLO11n-cls)
• Segmentazione (YOLO11n-seg)
• Stima della Posa (YOLO11n-pose)

Passaggio 1: se hai collegato reCamera a una rete, inserisci l'indirizzo IP di reCamera su un browser web per aprire la dashboard di Node-RED. Se hai collegato reCamera a un PC tramite USB, puoi inserire 192.168.42.1. Qui vedrai che il modello di rilevamento YOLO11n viene caricato per impostazione predefinita.

Passaggio 2: fai clic sul cerchio verde nell'angolo in basso a destra per accedere all'editor di flusso Node-RED.

Passaggio 3: fai clic su model nodo e clicca On Device.

Passaggio 4: scegli uno dei quattro diversi modelli YOLO11n preinstallati e fai clic su Done. Ad esempio, qui selezioneremo YOLO11n Pose

Passaggio 6: fai clic su Deploy e quando termina la distribuzione, fai clic su Dashboard

Ora sarai in grado di vedere il modello di stima della posa YOLO11n in azione!

Esporta in cvimodel: Conversione del tuo modello YOLO11

Se desideri utilizzare un modello YOLO11 addestrato personalizzato e utilizzarlo con reCamera, segui i passaggi seguenti.

Qui prima convertiremo PyTorch modello a ONNX e quindi convertirlo in MLIR formato del modello. Infine MLIR sarà convertito in cvimodel per eseguire l'inferenza direttamente sul dispositivo

Esporta in ONNX

Esporta un modello Ultralytics YOLO11 in formato modello ONNX.

Installazione

Per installare i pacchetti richiesti, esegui:

pip install ultralytics

Per istruzioni dettagliate e best practice relative al processo di installazione, consulta la nostra guida all'installazione di Ultralytics. Durante l'installazione dei pacchetti richiesti per YOLO11, in caso di difficoltà, consulta la nostra guida ai problemi comuni per soluzioni e suggerimenti.

Utilizzo

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'

Per maggiori dettagli sul processo di esportazione, visita la pagina della documentazione di Ultralytics sull'esportazione.

Esporta ONNX in MLIR e cvimodel

Dopo aver ottenuto un modello ONNX, fare riferimento alla pagina Converti e quantizza i modelli di IA per convertire il modello ONNX in MLIR e quindi in cvimodel.

Benchmark

Prossimamente.

Applicazioni nel mondo reale di reCamera

Le funzionalità avanzate di computer vision e il design modulare di reCamera la rendono adatta a una vasta gamma di scenari reali, aiutando sviluppatori e aziende ad affrontare sfide uniche con facilità.

• Rilevamento cadute: Progettata per applicazioni di sicurezza e sanità, la reCamera è in grado di rilevare le cadute in tempo reale, rendendola ideale per l'assistenza agli anziani, gli ospedali e gli ambienti industriali in cui una risposta rapida è fondamentale.

• Rilevamento dei dispositivi di protezione individuale: La reCamera può essere utilizzata per garantire la sicurezza sul lavoro rilevando la conformità ai DPI in tempo reale. Aiuta a identificare se i lavoratori indossano caschi, guanti o altri dispositivi di sicurezza, riducendo i rischi negli ambienti industriali.

• Rilevamento incendi: Le capacità di elaborazione in tempo reale della reCamera la rendono una scelta eccellente per il rilevamento incendi in aree industriali e residenziali, fornendo avvisi tempestivi per prevenire potenziali disastri.

• Rilevamento rifiuti: Può anche essere utilizzato per applicazioni di rilevamento rifiuti, rendendolo uno strumento eccellente per il monitoraggio ambientale e la gestione dei rifiuti.

• Rilevamento di parti di automobili: Nei settori manifatturiero e automobilistico, aiuta a rilevare e analizzare le parti di automobili per il controllo qualità, il monitoraggio della catena di montaggio e la gestione dell'inventario.

FAQ

Come installo e configuro reCamera per la prima volta?

Per configurare la tua reCamera per la prima volta, segui questi passaggi:

1. Collega la reCamera a una fonte di alimentazione.
2. Connettila alla tua rete WiFi utilizzando la Guida rapida di reCamera
3. Accedi all'interfaccia utente web di Node-RED inserendo l'indirizzo IP del dispositivo in un browser web (oppure usa 192.168.42.1 se connesso tramite USB)
4. Inizia subito a utilizzare i modelli YOLO11 preinstallati tramite l'interfaccia della dashboard

Posso usare i miei modelli YOLO11 personalizzati addestrati con reCamera?

Sì, puoi usare modelli YOLO11 addestrati personalizzati con reCamera. Il processo prevede:

1. Esporta il tuo modello PyTorch in formato ONNX usando model.export(format="onnx", opset=14)
2. Converti il modello ONNX in formato MLIR
3. Converti MLIR in formato cvimodel per l'inferenza sul dispositivo.
4. Carica il modello convertito sulla tua reCamera

Per istruzioni dettagliate, consulta la guida Converti e quantizza modelli di IA.

Cosa rende reCamera diversa dalle tradizionali telecamere IP?

A differenza delle tradizionali telecamere IP che richiedono hardware esterno per l'elaborazione, reCamera:

• Integra l'elaborazione AI direttamente sul dispositivo con il suo processore RISC-V SG200X
• Offre 1 TOPS di potenza di calcolo per applicazioni di intelligenza artificiale edge in tempo reale
• Presenta un design modulare che consente aggiornamenti e personalizzazioni dei componenti
• Supporta tecnologie video avanzate come la compressione H.264/H.265, l'imaging HDR e la riduzione del rumore 3D
• Viene preinstallato con i modelli Ultralytics YOLO11 per un utilizzo immediato

Queste caratteristiche rendono reCamera una soluzione standalone per applicazioni di edge AI senza richiedere hardware di elaborazione esterno aggiuntivo.

📅 Creato 8 mesi fa ✏️ Aggiornato 5 mesi fa

Commenti