- 博客(70)
- 收藏
- 关注
RSS订阅原创 模型案例：| 胡萝卜检测模型！
该 AI 模型利用先进的 Swift yolo 算法，专注于胡萝卜识别，可以准确检测和标记实时视频流中的胡萝卜。它特别适用于 Seeed Studio Grove Vision AI （V2） 设备，提供高兼容性和稳定性。
2025-01-09 10:06:47
579
原创 模型案例：| 绵羊检测模型！
它在文本生成、对话系统和语言理解等方面展现出了强大的能力，为人工智能技术的发展开辟了新的可能性。定义：召回率，也称为灵敏度（Sensitivity）或真正例率（True Positive Rate），是指模型在所有实际为正类的样本中，被正确预测为正类的样本的比例。通过评估模型在测试集或验证集上的性能指标,如准确率、召回率、F1得分等,可以了解模型的预测能力和泛化能力,判断模型是否满足预期需求。定义：准确率是最直观也最常被提及的评估指标之一，它衡量的是模型预测正确的样本数占总样本数的比例。
2024-12-24 10:38:26
839
原创 模型案例：| 苹果检测模型！
它在文本生成、对话系统和语言理解等方面展现出了强大的能力，为人工智能技术的发展开辟了新的可能性。7、开始进行模型部署、固件下载、设备重启等过程，完成后在预览中即可看到当前摄像头视频内容，将摄像头对准苹果的图片查看预测效果，如下图所示。SenseCraft-AI平台的模型仓数量还很少，但是好消息是它支持自定义模型上传并输出推理结果，平台会逐渐增加模型仓的数量，敬请关注！它有一个内置的数字麦克风和SD卡插槽。应用于移动应用或智能硬件，消费者通过扫描苹果的图像，可以获取多种信息，如营养成分、种类、产地等。
2024-12-24 10:34:16
811
原创 模型案例：| 花卉分类识别模型！
FCOS（Fully Convolutional One-Stage Object Detection）是一种基于。
2024-12-05 17:21:03
883
原创 模型案例：| 帐篷检测模型！
它在文本生成、对话系统和语言理解等方面展现出了强大的能力，为人工智能技术的发展开辟了新的可能性。支持模型的缩放，通过控制编码器和解码器的参数，如调整宽度（嵌入尺寸和通道数）和深度（Transformer 层数和 RepBlocks），以适应不同场景的需求。采用端到端的训练方式，不需要像传统的检测方法那样经过复杂的后处理步骤，如非极大值抑制（NMS），提高了训练效率并减少了推理的复杂度。不依赖于锚框，直接预测物体的边界框和类别，提高了模型的灵活性和检测效率，减少了超参数调优的工作量，提升了小目标检测的性能。
2024-12-05 17:08:20
877
原创 模型案例：| 奶牛识别模型！
在开发以卷积神经网络（CNN）为核心的机器学习模型时，为了提供准确率最常见的方法是通过深度或宽度（其实也就是增加channels）来放大卷积网，或是使用分辨率更大的图像进行训练和评估。这种平衡的增长使模型能够在不需要不必要的计算的情况下提高准确性，并在不牺牲有效性的情况下最大限度地提高效率。它兼容XIAO系列和Arduino生态系统, 是各种物体检测应用的理想选择。SenseCraft-AI平台的模型仓数量还很少，但是好消息是它支持自定义模型上传并输出推理结果，平台会逐渐增加模型仓的数量，敬请关注！
2024-12-05 17:01:05
766
原创 模型案例：| 手机识别模型！
从主干，RT-DETR提取三个级别的特征- S3，S4和S5，这些多尺度特征有助于模型理解图像的高级和细粒度细节。SenseCraft-AI平台的模型仓数量还很少，但是好消息是它支持自定义模型上传并输出推理结果，平台会逐渐增加模型仓的数量，敬请关注！具体而言，AIFI通过计算特征的注意力权重，使得模型能够关注到重要的区域，并抑制冗余信息，从而增强对目标的定位和表征能力。它非常适用于各种嵌入式视觉项目。解码器使用的目标查询是关键组件，它们用于引导模型对目标的检测，允许模型在生成检测结果时关注不同的潜在目标。
2024-12-05 16:56:22
1094
原创 模型案例：| 辣椒炭疽病识别模型！
辣椒病害种类繁多，按病因可分为真菌性病害、细菌性病害、病毒性病害和生理性病害等。这些病害在辣椒的生长周期中均可能发生，对辣椒的产量和品质造成严重影响。炭疽病是一种严重危害辣椒产量的真菌病害。印度作为曾经的辣椒出口和生产大国，近年来因炭疽病的肆虐而遭受重创，产量大幅下降，导致其全球排名从首位跌至第三位。此外，多项研究也证实，炭疽病在全球范围内对辣椒产业造成了10%-55%的产量损失，严重威胁着辣椒生产的稳定性和可持续性。
2024-10-28 11:11:37
1059
原创 模型案例：| 手势动作识别模型训练与应用！
在模型案例推文中，介绍过通过摄像头进行视觉识别和通过麦克风进行声音识别，今天介绍第三种识别形式：利用多轴加速度传感器进行动作识别。我们尝试利用手机自带的三轴加速度传感器来采集三种动作手势，包括左右晃动、上下晃动和静止不动
2024-10-28 11:08:05
844
1
原创 创客项目秀|基于xiaoESP32C3的桌面嵌入式充电站
今天小编给大家带来的是来自B站的新人UP主“不做点东西就焦虑”的桌面充电站项目，该充电站支持有线和无线两种充电方式，为了尽可能多的为桌面的USB设备统一供电，有线充电接口达到13路，充电站的外观试用铝合金CNC加工，具有浓浓的机甲元素风格，同时无线充电部分在进行工作时会有特定的光效互动。
2024-10-18 10:52:03
871
原创 创客项目秀|基于 XIAO 开发板的PerceptionClock项目
Fab Academy，源自麻省理工学院的先进教育项目，致力于培养具有全球视野的创新者和制造者。通过密集学习和实践，学生们掌握了从基础到高级的制造技术，学习了如何将创意转化为现实。今天，小编将给大家带来其中一位Fab Academy毕业生 Kawi 的结项项目，一探他是如何将学习成果转化为令人瞩目的创新作品。当你盯着钟表上的时针看，它似乎移动得非常缓慢，就像时间在缓慢地流逝...非常缓慢。但是，当你瞥一眼秒针时，是否感觉时间实际上在加速——而且速度很快？这个作品意义在于鼓励每个人思考我们如何体验时间。
2024-10-16 10:47:13
636
原创 创客项目秀|基于XIAO ESP32C3的Indoor People Existence Fall Detection项目
对于另一个功能，我希望在白天，当整个设备打开时，可以通过中间的毫米波传感器检测室内人员的运动状态，作为防摔监测功能。
2024-10-16 10:14:14
967
原创 创客项目秀|基于XIAO ESP32C3的本地个人助理Mr.M
Mr.M基本工作：它将在同一个 Wi-Fi 上接收来自 INMP441 和 XIAO ESP32C3 移动模块的音频消息（音频到波浪文件）。然后它会将音频转换为单词（文本）并尝试理解它：对于已经提示的任务，将自动生成日历信息（JSX文件）。相应的日历消息或一些也被提示的信息将通过MQTT发送到另一个移动模块，与ILI9341显示屏一起显示。麦克风输入：这个输入可能看起来不太好，这是它的具体结构：PCB可以很好地贴合3D打印部件，但像左边一样，添加卡住柱子令人更加放心。
2024-10-15 17:34:00
1245
原创 创客项目秀|基于XIAO ESP32S3的Dao Clock项目
作者：Chexin Yang来自：Fab academyFab Academy，源自麻省理工学院的先进教育项目，致力于培养具有全球视野的创新者和制造者。通过密集学习和实践，学生们掌握了从基础到高级的制造技术，学习了如何将创意转化为现实。今天，小编将给大家带来其中一位Fab Academy毕业生 Chenxin Yang的结课项目：Dao Clock。这个项目产品系统可以实时监控环境变化，并在检测到预定的唤醒信号时触发警报或其他唤醒机制。让我们一起深入了解这个有趣的项目！项目介绍项目背景。
2024-10-15 17:19:38
852
原创 创客项目秀|基于XIAO nRF52840 sense的Celestial Gerapbblade项目
作者：Katherine来自：Fab academyFab Academy，源自麻省理工学院的先进教育项目，致力于培养具有全球视野的创新者和制造者。通过密集学习和实践，学生们掌握了从基础到高级的制造技术，学习了如何将创意转化为现实。今天小编给大家带来Fab academy学员Katherine的结课项目：Celestial Gerapbblade。这把剑不仅仅是一件单纯的武器更是内在力量和坚定不移的韧性的象征。
2024-10-15 17:05:23
956
原创 创客项目秀|基于XIAO ESP32C3的Night Lamp With Chinese Traditional Pane项目
具有远程切换、颜色调节功能，并提供夜灯所在空间的温度和湿度值的可视化。用户只需在界面上进行相应的操作即可。台灯的外观是一个类似于汉字——“中”的设计。材料清单电子元件数量价格LED灯带1$34.91$4.991$5CONN HEADER SMD 10芯 1.27MM1$0.88CONN 接头 SMD R/A 4POS 2.54MM1$0.93CONN 接头 SMD R/A 3POS 2.54MM1$0.93轻触开关 SPST-NO 顶部驱动表面贴装1$1.08。
2024-10-15 09:21:29
904
原创 创客项目秀 | 基于使用 XIAO BLE Sense 和 Edge Impulse 的宠物活动跟踪器
这个项目的设计初衷是为了帮助宠物主人更好地了解宠物的状态。创新性地应用了先进的tinyML模型和三轴IMU传感器，成功地将先进技术与宠物健康监测相结合，为主人提供了更好了解宠物状态的途径，项目成功地将物联网技术应用于宠物活动跟踪，为宠物主人提供了便捷的监控手段，提高了宠物的生活质量。这篇文章详细介绍了如何使用XIAO BLE Sense和Edge Impulse创建一个宠物活动跟踪器，步骤清晰，对于想要进行类似项目开发的读者非常有帮助。
2024-10-14 16:44:10
1216
原创 创客项目秀 | 基于Grove Vision AI V2的洗衣机监测模块
我们设计了一个框架，用来固定带有插座的 Xiao ESP32S3 的 Vision AI Module v2，并部署了一个定制模型来监测洗衣机的状态。在对数据进行标注和训练后，我们将模型上传到 SenseCraft，输入标签，并使用高级的内置 Web Serial Flasher（使用支持的浏览器）将其部署到 Seeed Grove Vision v2 板上，最终得到了结果。尽管该模型实现了大约 30fps 的快速推理速度，但我们显然需要更大的数据集，可能还需要更简单的标注才能获得更好的结果。
2024-10-14 16:39:07
1048
原创 创客项目秀 | 基于XIAO ESP32S3 Sense的盲人辅助智能眼镜
在我的项目中，我准备了一个数据集，其中包括家里的一些常见物品，如椅子、桌子、床和脸盆。幸运的是，可以从 Edge Impulse 下载 Arduino 库中的模型，该库可以轻松集成或定制，用于开发 Arduino IDE 支持的边缘设备固件。为提供正确的摄像头连接，应将第 39 至 55 行（定义了 XIAO ESP32S3 Sense 的摄像头型号和引脚）改为与我们的型号相关的数据。该项目主要用于通过物体检测和文本到语音的转换，实现向视障人士解释环境的功能，让我们一起了解一下这个项目的开发过程吧。
2024-10-14 16:34:03
1055
原创 模型案例：| SenseCraft Al平台模型训练与部署
嵌入式神经网络处理器（NPU）是一种特别设计用于执行神经网络计算的高效率处理器。它主要基于数据驱动并行计算架构，特别擅长处理视频、图像等大量的多媒体数据。NPU模仿了生物神经网络的架构，与CPU、GPU相比，它能够通过更少的指令（一条或几条）完成神经元的处理，因此在深度学习的处理效率方面具有明显优势。
2024-10-11 14:46:50
1003
原创 模型案例：| 野生鸟类检测模型！
该 AI 模型采用先进的 Swift yolo 算法，专注于野生鸟类识别，可以在实时视频流中准确检测和标记野生鸟类。它特别适用于 Seeed Studio Grove Vision AI （V2） 设备。
2024-10-11 14:42:04
1001
原创 模型案例：| 行李检测模型!
NPU模仿了生物神经网络的架构，与CPU、GPU相比，它能够通过更少的指令（一条或几条）完成神经元的处理，因此在深度学习的处理效率方面具有明显优势。针对嵌入式和移动AI对象检测应用对高效计算的需求，提出了LeYOLO模型，该模型通过优化骨干网络、引入快速金字塔结构网络（FPAN）和解耦网络中网络头（DNiN），显著提高了基于YOLO的目标检测模型的效率。它具有标准的CSI接口, 并与树莓派相机兼容。在航空公司和物流中心，通过识别行李标签和行李本身的特征，实时跟踪行李在运输过程中的状态，减少丢失和误送概率。
2024-09-20 15:44:39
895
原创 模型案例：| 篮球识别模型
机器学习是数据科学领域的重要组成部分。NPU模仿了生物神经网络的架构，与CPU、GPU相比，它能够通过更少的指令（一条或几条）完成神经元的处理，因此在深度学习的处理效率方面具有明显优势。7、开始进行模型部署、固件下载、设备重启等过程，完后在预览中即可看到当前摄像头视频内容，在“设置”中调整置信率数值可以提供识别率，将摄像头对准篮球比赛相关的图片查看预测效果，如下图所示。安徽理工大学的董鹏同学，利用篮球模型设计了篮球寻找与计数装置，可以实时监测到篮球，也可以进行预警或报警防止篮球丢失，还能进行篮球计数操作。
2024-09-20 15:41:37
1593
原创 模型案例：| 网球识别模型
此 AI 模型解决了自动识别网球对象的需求，在运动分析、训练和广播等场景中提供了显著的优势。通过实施此模型，用户可以实现对网球物体的实时检测和监控，从而提高运营效率，并提供对球员表现和比赛动态的宝贵见解。
2024-09-06 14:01:22
1522
1
原创 模型案例：| 垃圾桶识别模型
YOLO-World 模型引入了一种先进的、实时的基于 Ultralytics YOLOv8 的方法，用于开放词汇检测任务。这种创新能够根据描述性文本检测图像中的任何对象。通过显著降低计算需求，同时保持有竞争力的性能，YOLO-World 成为众多基于视觉的应用的多功能工具。
2024-09-02 10:52:33
1294
1
原创 模型案例：| 音频识别-报警器声音识别模型
在城市的道路上，有着各种特殊用途的汽车会发出不同的报警声，比如消防车报警的声音、救护车报警的声音、警车报警的声音是不一样的声音效果，对于一些听力受损的汽车驾驶员来说，希望能及时提醒驾驶员相关车辆正在接近，让驾驶员可以及时避让或减少发生事故的风险。基于AI+硬件的思路，可以设计开发出一款在汽车上进行报警声音监测的边缘计算装置，并监测到报警声音后提醒驾驶员，也为其他开发者提供原型设计思路。集成在智能家居系统中，实时监测报警器的声音，自动执行相应的安全措施，比如联动打开窗户或启动排风扇。
2024-08-26 10:33:18
1531
1
转载 模型案例：| 工人安全帽识别模型
输出层的设计需要根据具体的任务进行调整。输出层的输出与真实值之间的误差是神经网络的损失函数，训练过程的目标是最小化损失函数。是施工单位工人重要的安全防护装置，但是一些个人忽视安全防护的意识，在施工中不佩戴安全帽造成安全隐患，除了人为监督外，利用视觉识别手段可以自动识别安全帽的佩戴情况，并对没有佩戴安全帽的行为提示报警改正行为。在神经网络的训练过程中，输出层的输出与真实值之间的误差是神经网络的损失函数。例如，在预测房价的问题中，输出层的神经元数量为 1，其输出值表示对于输入数据的房价预测值。
2024-08-26 10:16:23
108
1
转载 模型案例：| 音频识别 - 玻璃破碎识别模型
随着智慧城市理念的不断推进，智能建筑已经成为现代建筑设计的重要方向。在这一新的建筑范式中，安全性和能效性是设计的核心要素之一。玻璃作为建筑外立面的重要材料，其脆弱性使得监测玻璃破碎事件变得尤为重要。为此，开发一个高效的玻璃破碎监测系统显得尤为必要。
2024-08-08 10:32:29
155
转载 模型案例：| 驾驶员疲劳监测
驾驶员疲劳监测是指在驾驶过程中对驾驶员的疲劳状态进行实时监控，以确保行车安全。疲劳驾驶会影响驾驶员的反应时间、判断能力和注意力，从而大大增加发生交通事故的风险。疲劳状态下，驾驶员容易出现走神、视线模糊等情况，降低了对路况及其他车辆的实时判断能力，直接影响行车安全。该模型主要利用FOMO模型算法进行目标识别，可以快速识别出人的闭眼状态并发出警报。
2024-08-02 09:13:55
208
原创 创客项目秀｜基于XIAO SAMD21的多功能笔筒
作者：Arnov Sharma来自：MIT发表日期： 2024年6月17日这个多功能笔筒项目是使用3D打印零件进行搭建的，在笔筒的前端添加了XIAO扩展板，给这个笔筒添加一个显示器，可以在显示器上显示许多内容，例如两个眼睛，文本等等，这些使得这个笔筒更加有趣。在这里，我们使用XIAO SAMD21微控制器来驱动扩展板显示。同时，我们使用1200mAh的3.7V锂电池为整个装置供电。
2024-07-31 17:51:16
679
原创 创客项目秀 | 基于xiao的光剑
在宇宙中，光剑不仅仅是武器;它们是持有者与原力的桥梁，制造一把光剑几乎是每个创客的梦想，今天给大家带来的是国外大学生团队制作的可伸缩光剑项目。
2024-07-31 11:44:52
496
原创 创客项目秀 | 基于 XIAO 开发板的语音向导
Edge Impulse是一个专为边缘设备和嵌入式系统开发机器学习模型的平台。它提供了一套全面的工具和服务，使开发人员能够快速创建、训练和部署机器学习模型，而无需深入了解机器学习。该平台提供了一系列全面的工具和服务，帮助开发人员迅速构建、训练和部署机器学习模型，无需深入了解机器学习原理。Edge Impulse提供的数据收集工具能轻松地从各种传感器和设备中收集数据，并上传至平台进行管理和标注。
2024-07-31 11:23:19
893
1
翻译 创客项目秀 | 基于XIAO SAMD21的HID数字键盘
作者：Arnov Sharma国籍：印度发表日期： 2024年3月26日这个项目的核心是 XIAO SAMD21 开发板和 XIAO 扩展板配对，其中包含一个板载 OLED 显示屏，我们在这个项目中使用它来显示按钮按下。扩展板固定在3D打印的特制外壳上。我们在外壳内包含了 12x12 毫米的触觉按钮。这些按钮由在Fusion360中建模的支架部件牢固地固定。本文将介绍此设备的整体的构建过程，包括接线和代码，因此让我们开始构建。
2024-07-31 09:44:57
102
原创 模型案例：| 安全栓目标监测模型
以猫狗的图片为例，这里输出有两个值，你可以理解成就是 Python 中的两个浮点值的 list [Y1, Y2]， Y1是狗的概率，值∈[0, 1]，Y2是猫的概率。模型就是一组数据结构，保存了一个网状的形状，以及里面的参数， 通常模型会被保存为不同格式的文件，比如.h5 .tflite .kmodel等文件，都是用来阐述这个模型的形状结构和参数。神经网络是一种网状结构，可以更好地记住图片的特征信息， 而这个网状结构又是多层的，也就是有深度的，所以称之为深度神经网络DNN。比如下面这张图识别出猫或者狗。
2024-07-29 09:23:49
1147
转载 模型案例：| 火源识别-灭火机器人装置
就类似于当初参加高考的你，训练数据就类比是你在刷题，当你刷了非常非常多的题，并学会他们的特征，那么你应对高考则是游刃有余了。在机器学习过程中，关于神经网络模型训练的准确度上有两个问题，过拟合(Overfitting)和欠拟合(Underfitting)，它们是机器学习中常见的两种模型性能问题，分别表示模型在训练数据上表现得过于复杂或过于简单。过拟合形成的主要原因就是训练集的数据太少，导致无法学习到想要的模型，因此当发生过拟合时，首先应该考虑的就是增加训练集的数据量。它有一个内置的数字麦克风和SD卡插槽。
2024-07-19 09:38:57
169
转载 模型案例：| 音频识别-鸟声识别模型
该模型用于对麻雀和红领绿鹦鹉两种鸟类声音的识别，采用MFCC识别技术，生成TensorFlow Lite INT8格式文件。应用场景鸟类爱好者：对鸟类感兴趣的人可以利用鸟类声音识别技术来辨别野外的不同鸟类，增强对于鸟类的观察和了解。生态学研究：生态学家可以使用鸟类声音识别技术来对野外的鸟类进行监测和研究，从而评估鸟类群落的多样性和生态系统的健康状况。
2024-07-15 10:44:53
558
转载 模型案例：| 老鼠识别模型！
该模型用于对老鼠和玉米粮仓的识别，采用MobileNetV2卷积神经网络，生成TensorFlow Lite INT8格式文件。通过在玉米粮仓部署传感器和摄像头，结合老鼠识别模型，实时监测玉米粮仓的鼠害问题，帮助农民及时发现老鼠并采取相应措施。
2024-07-08 10:06:20
181
转载 模型案例：| 玉米病害识别模型！
该模型用于对玉米锈病和玉米纹枯病两种病害的识别，采用MobileNetV2卷积神经网络，生成TensorFlow Lite INT8格式文件。通过在田间部署传感器和摄像头，结合玉米病害识别模型，实时监测玉米田的健康状况，帮助农民及时发现病害并采取相应措施。
2024-07-01 09:28:02
209
转载 模型案例：| 大豆病害识别模型！
它在文本生成、对话系统和语言理解等方面展现出了强大的能力，为人工智能技术的发展开辟了新的可能性。4、弹出“自定义AI模型”窗口，填写模型名称、添加下载的模型文件、单击“新增物体”设置2个识别标签（注意2个标签的名称顺序不能写错，分别是gall（蚜虫）和redspider（红蜘蛛）），填写完成后单击“发送模型”按钮，如下图所示。此外，MobileNetV2作为物体检测和分割的特征提取器非常有效，例如，当与SSDLite配对进行检测时，新模型在取得相同精度的情况下，要比MobileNetV1快大约35%。
2024-07-01 09:24:58
154
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人