在 GitHub 上编辑页面 (EN)

快速入门指南：Seeed Studio reCamera 与 Ultralytics YOLO26

reCamera was introduced for the AI community at YOLO Vision 2024 (YV24), Ultralytics annual hybrid event. It is mainly designed for edge AI applications, offering powerful processing capabilities and effortless deployment.

凭借对多种硬件配置和开源资源的支持，它成为了在边缘侧进行原型设计和部署创新 计算机视觉 解决方案 的理想平台。

Seeed Studio reCamera

为什么选择 reCamera？

reCamera 系列专为边缘 AI 应用打造，旨在满足开发者和创新者的需求。以下是它脱颖而出的原因：

  • RISC-V 驱动的性能：其核心是基于 RISC-V 架构的 SG200X 处理器，在保持能效的同时，为边缘 AI 任务提供卓越的性能。凭借每秒执行 1 万亿次运算（1 TOPS）的能力，它可以轻松处理实时 目标检测 等严苛任务。

  • 优化的视频技术：支持包括 H.264 和 H.265 在内的高级视频压缩标准，能够在不牺牲质量的前提下减少存储和带宽需求。HDR 成像、3D 降噪和镜头校正等功能确保了即使在复杂环境下也能获得专业的视觉效果。

  • 节能的双重处理：当 SG200X 处理复杂的 AI 任务时，一个较小的 8 位微控制器负责管理简单的操作以节省功耗，这使 reCamera 成为电池供电或低功耗设置的理想选择。

  • 模块化与可升级设计：reCamera 采用模块化结构，由核心板、传感器板和基板这三个主要部分组成。这种设计允许开发者轻松更换或升级组件，确保了在不断变化的项目需求下保持灵活性和前瞻性。

reCamera 快速硬件设置

请遵循 reCamera 快速入门指南 进行设备的初始配置，例如将设备连接到 WiFi 网络，并访问 Node-RED Web UI 以快速预览检测结果。

使用预装的 YOLO26 模型进行推理

reCamera 预装了四个 Ultralytics YOLO26 模型，你可以在 Node-RED 仪表板中轻松选择你需要的模型。

第 1 步：如果你已将 reCamera 连接到网络，请在浏览器中输入 reCamera 的 IP 地址以打开 Node-RED 仪表板。如果你已通过 USB 将 reCamera 连接到电脑，则可以输入 192.168.42.1。在这里，你会看到默认加载了 YOLO26n 检测模型。

reCamera YOLO11n 演示

第 2 步：点击右下角的绿色圆圈以访问 Node-RED 流程编辑器。

第 3 步：点击 model 节点，然后点击 On Device。

Node-RED 模型选择

第 4 步：从四个预装的 YOLO26n 模型中选择一个，然后点击 Done。例如，在此我们将选择 YOLO26n Pose。

Node-RED YOLO11n-pose select

第 5 步：点击 Deploy，部署完成后，点击 Dashboard。

reCamera Node-RED 部署

现在你就可以看到 YOLO26n 姿态估计模型的实际运行效果了！

reCamera YOLO11n-pose 演示

导出为 cvimodel：转换你的 YOLO26 模型

如果你想在 reCamera 上使用 自定义训练的 YOLO26 模型，请按照以下步骤操作。

在此，我们将首先把 PyTorch 模型转换为 ONNX，然后将其转换为 MLIR 模型格式。最后，MLIR 将被转换为 cvimodel 以便在设备上运行推理。

Seeed Studio reCamera AI development toolchain

导出为 ONNX

将 Ultralytics YOLO26 模型导出为 ONNX 模型格式。

安装

要安装所需的软件包，请运行：

!!! Tip "安装"

pip install ultralytics

有关安装过程的详细说明和最佳实践，请查看我们的 Ultralytics 安装指南。如果在安装 YOLO26 所需的软件包时遇到任何困难，请查阅我们的 常见问题指南 获取解决方案和建议。

使用方法

使用方法
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'

有关导出过程的更多详细信息，请访问 Ultralytics 导出文档页面。

将 ONNX 导出为 MLIR 和 cvimodel

获得 ONNX 模型后，请参阅 转换并量化 AI 模型 页面，将 ONNX 模型转换为 MLIR，然后再转换为 cvimodel。

注意

我们正积极努力将 reCamera 支持直接集成到 Ultralytics 包中，该功能即将发布。在此期间，请查看我们的博客：将 Ultralytics YOLO 模型与 Seeed Studio 的 reCamera 集成 以获取更多见解。

基准测试

即将推出。

reCamera 的实际应用

reCamera 先进的计算机视觉能力和模块化设计使其适用于广泛的实际场景，帮助开发者和企业轻松应对独特的挑战。

  • 跌倒检测：专为安全和医疗保健应用而设计，reCamera 可以实时检测跌倒，使其非常适合老年人护理、医院和需要快速响应的工业环境。

  • 个人防护装备 (PPE) 检测：reCamera 可用于通过实时检测 PPE 合规性来确保工作场所安全。它有助于识别工人是否佩戴了头盔、手套或其他安全装备，从而降低工业环境中的风险。

个人防护装备检测

  • 火灾检测：reCamera 的实时处理能力使其成为工业和住宅区域 火灾检测 的绝佳选择，通过提供早期预警来防止潜在灾难。

  • 废弃物检测：它还可以用于废弃物检测应用，成为环境监测和 废弃物管理 的优秀工具。

  • 汽车零部件检测：在制造和汽车行业，它有助于检测和分析汽车零部件，用于质量控制、流水线监测和库存管理。

用于汽车检查的 YOLO 汽车零部件检测

常见问题 (FAQ)

我该如何首次安装和设置 reCamera？

要首次设置你的 reCamera，请执行以下步骤：

  1. 将 reCamera 连接到电源。
  2. 使用 reCamera 快速入门指南 将其连接到你的 WiFi 网络。
  3. 在浏览器中输入设备的 IP 地址（如果通过 USB 连接，则使用 192.168.42.1）以访问 Node-RED Web UI。
  4. 通过仪表板界面立即开始使用预装的 YOLO26 模型。

我可以使用自定义训练的 YOLO26 模型和 reCamera 一起使用吗？

是的，你可以在 reCamera 上使用自定义训练的 YOLO26 模型。该过程包括：

  1. 使用 model.export(format="onnx", opset=14) 将你的 PyTorch 模型导出为 ONNX 格式。
  2. 将 ONNX 模型转换为 MLIR 格式。
  3. 将 MLIR 转换为 cvimodel 格式以进行端侧推理。
  4. 将转换后的模型加载到你的 reCamera 上。

有关详细说明，请参阅 转换并量化 AI 模型 指南。

reCamera 与传统 IP 摄像头有什么不同？

与需要外部硬件进行处理的传统 IP 摄像头不同，reCamera：

  • 通过其 RISC-V SG200X 处理器将 AI 处理直接集成到设备上。
  • 为实时边缘 AI 应用提供 1 TOPS 的计算能力。
  • 具有模块化设计，允许组件升级和定制。
  • 支持 H.264/H.265 压缩、HDR 成像和 3D 降噪等先进视频技术。
  • 预装了 Ultralytics YOLO26 模型以供即时使用。

这些特性使 reCamera 成为无需额外外部处理硬件的边缘 AI 应用独立解决方案。

Contributors
在 GitHub 上编辑页面 (EN)
GLglenn-jocher9PDpderrenger1LEleonnil1LAlakshanthad1RIRizwanMunawar1

评论