Guia de Início Rápido: Seeed Studio reCamera com Ultralytics YOLO11

A reCamera foi apresentada para a comunidade de IA na YOLO Vision 2024 (YV24), o evento híbrido anual da Ultralytics. Ela foi projetada principalmente para aplicações de IA de ponta, oferecendo poderosos recursos de processamento e implantação sem esforço.

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

Por que escolher o reCamera?

A série reCamera foi construída especificamente para aplicações de IA de ponta, adaptada para atender às necessidades de desenvolvedores e inovadores. Veja por que ele se destaca:

• Desempenho Alimentado por RISC-V: No seu núcleo está o processador SG200X, construído na arquitetura RISC-V, oferecendo desempenho excepcional para tarefas de IA de ponta, mantendo a eficiência energética. Com a capacidade de executar 1 trilhão de operações por segundo (1 TOPS), ele lida facilmente com tarefas exigentes como detecção de objetos em tempo real.

• Tecnologias de Vídeo Otimizadas: 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. Recursos como imagem HDR, redução de ruído 3D e correção de lente garantem visuais profissionais, mesmo em ambientes desafiadores.

• Processamento Duplo com Eficiência Energética: Enquanto o SG200X lida com tarefas complexas de IA, um microcontrolador menor de 8 bits gerencia operações mais simples para conservar energia, tornando a reCamera ideal para configurações alimentadas por bateria ou de baixa potência.

• Design Modular e Atualizável: A reCamera é construída com uma estrutura modular, consistindo em três componentes principais: a placa central, a placa do sensor e a placa de base. Este design permite que os desenvolvedores troquem ou atualizem facilmente os componentes, garantindo flexibilidade e preparação para o futuro para projetos em evolução.

Configuração Rápida de Hardware da reCamera

Por favor, siga o Guia de Início Rápido da reCamera para a integração inicial do dispositivo, como conectar o dispositivo a uma rede WiFi e acessar a interface web Node-RED para uma visualização rápida dos resultados da detecção.

Inferência Usando Modelos YOLO11 Pré-instalados

A reCamera vem pré-instalada com quatro modelos Ultralytics YOLO11 e você pode simplesmente escolher o modelo desejado no painel Node-RED.

• Detecção (YOLO11n)
• Classificação (YOLO11n-cls)
• Segmentação (YOLO11n-seg)
• Estimativa de Pose (YOLO11n-pose)

Passo 1: Se você conectou o reCamera a uma rede, insira o endereço IP do reCamera em um navegador da web para abrir o painel do Node-RED. Se você conectou o reCamera a um PC via USB, você pode inserir 192.168.42.1. Aqui você verá que o modelo de detecção YOLO11n é carregado por padrão.

Passo 2: Clique no círculo verde no canto inferior direito para acessar o editor de fluxo do Node-RED.

Passo 3: Clique no model nó e clique On Device.

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

Passo 6: Clique em Deploy e quando terminar de implantar, clique em Dashboard

Agora você poderá ver o modelo de estimativa de pose YOLO11n em ação!

Exportar para cvimodel: Convertendo Seu Modelo YOLO11

Se você quiser usar um modelo YOLO11 treinado personalizado e usar com reCamera, siga os passos abaixo.

Aqui, primeiro converteremos PyTorch modelo para ONNX e então convertê-lo para MLIR formato do modelo. Finalmente, MLIR será convertido para cvimodel para inferência no dispositivo

Exportar para ONNX

Exporte um modelo Ultralytics YOLO11 para o formato de modelo ONNX.

Instalação

Para instalar os pacotes necessários, execute:

pip install ultralytics

Para obter instruções detalhadas e melhores práticas relacionadas ao processo de instalação, consulte nosso guia de instalação do Ultralytics. Ao instalar os pacotes necessários para o YOLO11, se você encontrar alguma dificuldade, consulte 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 detalhes sobre o processo de exportação, visite a página de documentação da Ultralytics sobre exportação.

Exportar ONNX para MLIR e cvimodel

Após obter um modelo ONNX, consulte a página Converter e Quantizar Modelos de IA para converter o modelo ONNX para MLIR e, em seguida, para cvimodel.

Benchmarks

Em breve.

Aplicações no Mundo Real do reCamera

As capacidades avançadas de visão computacional e o design modular do reCamera tornam-no adequado para uma vasta gama de cenários do mundo real, ajudando desenvolvedores e empresas a enfrentar desafios únicos com facilidade.

• Detecção de Quedas: Projetada para aplicações de segurança e saúde, a reCamera pode detectar quedas em tempo real, tornando-a ideal para cuidados com idosos, hospitais e ambientes industriais onde a resposta rápida é crítica.

• Detecção de Equipamento de Proteção Individual: A reCamera pode ser usada para garantir a segurança no local de trabalho, detectando a conformidade com o EPI em tempo real. Ajuda a identificar se os trabalhadores estão usando capacetes, luvas ou outros equipamentos de segurança, reduzindo os riscos em ambientes industriais.

• Detecção de Incêndio: Os recursos de processamento em tempo real da reCamera a tornam uma excelente escolha para detecção de incêndio em áreas industriais e residenciais, fornecendo alertas precoces para evitar possíveis desastres.

• Detecção de Resíduos: Também pode ser utilizado para aplicações de detecção de resíduos, tornando-se uma excelente ferramenta para monitoramento ambiental e gestão de resíduos.

• Detecção de Peças de Carros: Nas indústrias de manufatura e automotiva, auxilia na detecção e análise de peças de carros para controle de qualidade, monitoramento da linha de montagem e gestão de estoque.

FAQ

Como instalo e configuro o reCamera pela primeira vez?

Para configurar sua reCamera pela primeira vez, siga estas etapas:

1. Conecte a reCamera a uma fonte de alimentação
2. Conecte-o à sua rede WiFi usando o Guia de Início Rápido da reCamera
3. Acesse a interface web do Node-RED inserindo o endereço IP do dispositivo em um navegador web (ou use 192.168.42.1 se conectado via USB)
4. Comece a usar os modelos YOLO11 pré-instalados imediatamente através da interface do painel

Posso usar meus modelos YOLO11 personalizados e treinados com o reCamera?

Sim, você pode usar modelos YOLO11 treinados de forma personalizada com a reCamera. O processo envolve:

1. Exporte seu modelo PyTorch para o formato ONNX usando model.export(format="onnx", opset=14)
2. Converta o modelo ONNX para o formato MLIR
3. Converta o MLIR para o formato cvimodel para inferência no dispositivo
4. Carregue o modelo convertido em sua reCamera

Para obter instruções detalhadas, consulte o guia Converter e Quantizar Modelos de IA.

O que torna a reCamera diferente das câmeras IP tradicionais?

Ao contrário das câmeras IP tradicionais que exigem hardware externo para processamento, reCamera:

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

Esses recursos tornam o reCamera uma solução independente para aplicações de IA de ponta sem a necessidade de hardware de processamento externo adicional.

📅 Criado há 5 meses ✏️ Atualizado há 3 meses

Comentários