Zaloguj się
Wszystkie
21 października 2026
16
Klasyfikację obiektów można z łatwością zrealizować za pomocą modeli tworzonych na platformie Edge Impulse. Umożliwia ona na przykład odróżnienie człowieka od zwierząt, roweru od innych typów pojazdów i tak dalej. W analogiczny sposób można dokładnie zliczać obiekty jednego rodzaju znajdujące się wśród innych przedmiotów.
Projekt pierwotnie powstawał z myślą o wdrożeniu na poziomie mikrokontrolera na urządzeniach takich jak ESP32 czy Arduino Nicla Vision, z założeniem zliczania w niewielkim kadrze o wymiarach 120 × 120 pikseli, gdzie analizowanym obiektem był stosunkowo mały guzik. Szybko okazało się jednak, że nawet przy tak małym kadrze mikrokontrolery były niewystarczające, ponieważ sam plik modelu ma rozmiar około 8 MB. W rezultacie projekt uruchomiono ostatecznie na minikomputerze Raspberry Pi, na którym działa bez zakłóceń.
Połączenia
Sposób podłączenia kamery do Raspberry Pi pokazano na fotografii. Podłącz kamerę dedykowaną do Raspberry Pi oraz wyświetlacz zgodnie z ilustracją, a kabel wyświetlacza wepnij do gniazda HDMI minikomputera Raspberry Pi.
Tworzenie modelu uczenia maszynowego (ML)
Do stworzenia modelu uczenia maszynowego (ML) konieczne jest sklasyfikowanie i rozpoznanie obiektów. Do tego celu można wykorzystać różne platformy, takie jak TensorFlow, Edge Impulse czy Google Teachable Machine.
Rozpocznij od założenia konta w serwisie edgeimpulse.com za pomocą adresu e-mail. Przygotuj garść podobnych guzików. Jeśli korzystasz z serwisu z poziomu minikomputera Raspberry Pi, użyj kamery do zebrania zdjęć guzików pod różnymi kątami – jest to kluczowe z punktu widzenia późniejszego działania w warunkach rzeczywistych. Platforma Edge Impulse umożliwia również podłączenie telefonu komórkowego lub laptopa jako wygodnego urządzenia wejściowego na etapie akwizycji danych.
NAPISZ DO AUTORA
Facebook
Twitter
Linkedin
Kup teraz
