快速入门指南：使用 Seeed Studio reCameraUltralytics YOLO11

在YOLO Vision 2024 (YV24) 会议上，人工智能界推出了reCamera、 Ultralytics年度混合盛会上推出的。它主要针对边缘人工智能应用而设计，具有强大的处理能力和轻松的部署。

它支持不同的硬件配置和开源资源，是在边缘建立原型和部署创新计算机视觉 解决方案的理想平台。

为什么选择 reCamera？

reCamera 系列专为边缘人工智能应用而设计，可满足开发人员和创新者的需求。以下是它脱颖而出的原因：

• RISC-V 支持的性能：其核心是基于 RISC-V 架构的 SG200X 处理器，可在保持能效的同时为边缘人工智能任务提供卓越的性能。它能够每秒执行 1 万亿次运算（1 TOPS），轻松处理实时对象检测等要求苛刻的任务。

• 优化的视频技术：支持先进的视频压缩标准，包括 H.264 和 H.265，可在不牺牲质量的前提下降低存储和带宽要求。HDR 成像、3D 降噪和镜头校正等功能确保了专业的视觉效果，即使在具有挑战性的环境中也不例外。

• 高能效双处理：SG200X 处理复杂的人工智能任务，而较小的 8 位微控制器则管理较简单的操作，以节省电能，使 reCamera 成为电池供电或低功耗设置的理想选择。

• 模块化和可升级设计：reCamera 采用模块化结构，由三个主要组件组成：核心板、传感器板和底板。这种设计使开发人员可以轻松地更换或升级组件，确保项目的灵活性和面向未来的发展。

reCamera 的快速硬件设置

请按照《reCamera 快速入门指南》进行设备的初始入门，如将设备连接到 WiFi 网络，以及访问Node-REDWeb UI 以快速预览预装Ultralytics YOLO 型号的检测结果。

导出到 cvimodel：转换YOLO11 模型

在这里，我们将首先转换 PyTorch 将模型 ONNX 然后将其转换为 MLIR 模型格式。最后 MLIR 将转换为 cvimodel 以便在设备上推断

出口到ONNX

将Ultralytics YOLO11 模型导出为ONNX 模型格式。

安装

要安装所需的软件包，请运行

pip install ultralytics

有关安装过程的详细说明和最佳实践，请查阅我们的Ultralytics 安装指南。在安装YOLO11 所需的软件包时，如果遇到任何困难，请查阅我们的常见问题指南，了解解决方案和技巧。

使用方法

from ultralytics import YOLO

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

# Export the model to ONNX format
model.export(format="onnx")  # creates 'yolo11n.onnx'

# Export a YOLO11n PyTorch model to ONNX format
yolo export model=yolo11n.pt format=onnx  # creates 'yolo11n.onnx'

有关导出过程的更多详情，请访问Ultralytics 有关导出的文档页面。

将ONNX 导出到 MLIR 和 cvimodel

获取ONNX 模型后，请参阅 "转换和量化人工智能模型"页面，将ONNX 模型转换为 MLIR，然后再转换为 cvimodel。

基准

即将推出

reCamera 的实际应用

reCamera 先进的计算机视觉功能和模块化设计使其适用于广泛的实际应用场景，帮助开发人员和企业轻松应对独特的挑战。

• 跌倒检测：reCamera 专为安全和医疗保健应用而设计，可实时检测跌倒，非常适合需要快速反应的老人护理、医院和工业环境。

• 个人防护设备检测：reCamera 可用于实时检测个人防护设备的合规性，从而确保工作场所的安全。它有助于识别工人是否佩戴头盔、手套或其他安全装备，从而降低工业环境中的风险。

• 火灾探测：reCamera 的实时处理能力使其成为工业和住宅区火灾探测的最佳选择，可提供早期预警，防止潜在灾难的发生。

• 废物检测：它还可用于废物检测，是环境监测和废物管理的绝佳工具。

• 汽车零件检测：在制造和汽车行业，它有助于检测和分析汽车零件，以进行质量控制、装配线监控和库存管理。

📅创建于 4 天前 ✏️已更新 4 天前

评论