Guia de início rápido: Seeed Studio reCamera com Ultralytics YOLO11

A reCamera foi apresentada à comunidade de IA no YOLO Vision 2024 (YV24), Ultralytics evento híbrido anual da Ultralytics. Foi concebida principalmente para aplicações de IA de ponta, oferecendo poderosas capacidades de processamento e uma implementação sem esforço.

Com suporte para diversas configurações de hardware e recursos de código aberto, ele serve como uma plataforma ideal para prototipagem e implantação de soluções inovadoras de visão computacional na borda.

Porquê escolher a reCamera?

A série reCamera foi concebida especificamente para aplicações de IA de ponta, adaptada para satisfazer as necessidades dos programadores e inovadores. Eis a razão pela qual se destaca:

• Desempenho alimentado por RISC-V: No seu núcleo está o processador SG200X, construído sobre a arquitetura RISC-V, que proporciona um desempenho excecional para tarefas de IA de ponta, mantendo a eficiência energética. Com a capacidade de executar 1 trilião de operações por segundo (1 TOPS), lida facilmente com tarefas exigentes como a deteção de objectos em tempo real.

• Tecnologias de vídeo optimizadas: Suporta padrões avançados de compressão de vídeo, incluindo H.264 e H.265, para reduzir os requisitos de armazenamento e largura de banda sem sacrificar a qualidade. Caraterísticas como imagem HDR, redução de ruído 3D e correção da lente garantem imagens profissionais, mesmo em ambientes desafiantes.

• Processamento duplo eficiente em termos energéticos: Enquanto o SG200X lida com tarefas complexas de IA, um microcontrolador mais pequeno de 8 bits gere operações mais simples para conservar energia, tornando a reCamera ideal para configurações com bateria ou de baixo consumo.

• Design modular e atualizável: A reCamera é construída com uma estrutura modular, composta por três componentes principais: a placa principal, a placa do sensor e a placa de base. Este design permite aos programadores trocar ou atualizar facilmente os componentes, garantindo flexibilidade e preparação para o futuro para projectos em evolução.

Configuração rápida do hardware da reCamera

Siga o Guia de Início Rápido do reCamera para a integração inicial do dispositivo, tal como ligar o dispositivo a uma rede Wi-Fi e aceder à IU Web do Node-RED para uma pré-visualização rápida dos resultados da deteção.

Inferência utilizando modelos YOLO11 pré-instalados

O reCamera vem pré-instalado com quatro modelos Ultralytics YOLO11 e pode simplesmente escolher o modelo pretendido no painel de controlo Node-RED.

• Deteção (YOLO11n)
• Classificação (YOLO11n-cls)
• Segmentação (YOLO11n-seg)
• Estimativa de lançamento (YOLO11n-pose)

Passo 1: Se tiver ligado a reCamera a uma rede, introduza o endereço IP da reCamera num navegador Web para abrir o painel de controlo Node-RED. Se tiver ligado a reCamera a um PC através de USB, pode introduzir 192.168.42.1. Aqui verá que o modelo de deteção YOLO11n é carregado por defeito.

Passo 2: Clique no círculo de cor verde no canto inferior direito para aceder ao editor de fluxo do Node-RED.

Passo 3: Clique no botão model e clique em On Device.

Passo 4: Escolha um dos quatro modelos diferentes de YOLO11n pré-instalados e clique em Done. Por exemplo, aqui seleccionaremos YOLO11n Pose

Passo 6: Clicar em Deploy e, quando a implantação estiver concluída, clique em Dashboard

Agora vai poder ver o modelo de estimativa de pose YOLO11n em ação!

Exportar para cvimodel: Convertendo seu modelo YOLO11

Se pretender utilizar um modelo YOLO11 com formação personalizada e utilizá-lo com a reCamera, siga os passos abaixo.

Aqui vamos primeiro converter PyTorch modelo para ONNX e depois convertê-lo para MLIR formato do modelo. Finalmente MLIR será convertido para cvimodel a fim de inferir no dispositivo

Exportar para ONNX

Exportar um modelo Ultralytics YOLO11 para o formato de modeloONNX .

Instalação

Para instalar os pacotes necessários, execute:

pip install ultralytics

Para obter instruções detalhadas e melhores práticas relacionadas com o processo de instalação, consulte o nosso guia de instalaçãoUltralytics . Ao instalar os pacotes necessários para YOLO11, se encontrar alguma dificuldade, consulte o nosso guia de Problemas comuns para obter soluções e dicas.

Utilização

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 mais informações sobre o processo de exportação, visite a página de documentaçãoUltralytics sobre exportação.

Exportar ONNX para MLIR e cvimodel

Depois de obter um modelo ONNX , consulte a página Converter e quantificar modelos de IA para converter o modelo ONNX em MLIR e, em seguida, em cvimodel.

Referências

Em breve.

Aplicações do reCamera no mundo real

As capacidades avançadas de visão por computador e o design modular da reCamera tornam-na adequada para uma vasta gama de cenários do mundo real, ajudando os programadores e as empresas a enfrentar facilmente desafios únicos.

• Deteção de quedas: Concebida para aplicações de segurança e cuidados de saúde, a reCamera pode detetar quedas em tempo real, o que a torna ideal para cuidados a idosos, hospitais e ambientes industriais onde a resposta rápida é fundamental.

• Deteção de equipamento de proteção individual: A reCamera pode ser utilizada para garantir a segurança no local de trabalho, detectando a conformidade do EPI em tempo real. Ajuda a identificar se os trabalhadores estão a usar capacetes, luvas ou outro equipamento de segurança, reduzindo os riscos em ambientes industriais.

• Deteção de incêndios: As capacidades de processamento em tempo real da reCamera fazem dela uma excelente escolha para a deteção de incêndios em áreas industriais e residenciais, fornecendo avisos precoces para evitar potenciais desastres.

• Deteção de resíduos: Também pode ser utilizado para aplicações de deteção de resíduos, tornando-se uma excelente ferramenta para monitorização ambiental e gestão de resíduos.

• Deteção de peças de automóveis: Nas indústrias transformadora e automóvel, ajuda a detetar e analisar peças de automóveis para controlo de qualidade, monitorização da linha de montagem e gestão de inventário.

FAQ

Como é que instalo e configuro o reCamera pela primeira vez?

Para configurar a reCamera pela primeira vez, siga estes passos:

1. Ligar a reCamera a uma fonte de alimentação
2. Ligue-a à sua rede WiFi utilizando o Guia de Iniciação Rápida da reCamera
3. Aceda à IU da Web do Node-RED introduzindo o endereço IP do dispositivo num navegador da Web (ou utilize 192.168.42.1 se ligado por USB)
4. Comece a utilizar imediatamente os modelos YOLO11 pré-instalados através da interface do painel de instrumentos

Posso utilizar os meus modelos YOLO11 com formação personalizada com a reCamera?

Sim, é possível utilizar modelos YOLO11 com formação personalizada com o reCamera. O processo envolve:

1. Exporte o seu modelo PyTorch para o formato ONNX utilizando model.export(format="onnx", opset=14)
2. Converter o modelo ONNX para o formato MLIR
3. Converter o MLIR para o formato cvimodel para inferência no dispositivo
4. Carregar o modelo convertido para a reCamera

Para obter instruções detalhadas, consulte o guia Converter e Quantificar Modelos AI.

O que torna a reCamera diferente das câmaras IP tradicionais?

Ao contrário das câmaras IP tradicionais que requerem hardware externo para processamento, o reCamera:

• Integra o processamento de IA diretamente no dispositivo com o seu processador RISC-V SG200X
• Oferece 1 TOPS de potência de computação para aplicações de IA de ponta em tempo real
• Apresenta um design modular que permite actualizações e personalização de componentes
• Suporta tecnologias de vídeo avançadas como a compressão H.264/H.265, imagens HDR e redução de ruído 3D
• Vem pré-instalado com os modelos Ultralytics YOLO11 para utilização imediata

Estas caraterísticas fazem da reCamera uma solução autónoma para aplicações de IA de ponta sem necessidade de hardware de processamento externo adicional.

📅C riado há 1 mês ✏️ Atualizado há 2 dias

Comentários