تدمج مشاريع CMU هذه بذكاء Arduino Nano 33 BLE Sense
مع مجموعة من المستشعرات المدمجة ، واتصال Bluetooth® منخفض الطاقة ، والقدرة على أداء مهام الذكاء الاصطناعي المتقدمة بفضل nRF52840 SoC ، يعد Arduino Nano 33 BLE Sense خيارًا ممتازًا لمجموعة كبيرة ومتنوعة من التطبيقات المضمنة . لإثبات هذه النقطة بشكل أكبر ، نشرت مجموعة من الطلاب من دورة "مقدمة إلى التعلم العميق المضمّن" بجامعة كارنيجي ميلون تتويجًا لدراساتهم من خلال 10 مشاريع رائعة يستخدم كل منها مجموعة أدوات التعلم الآلي الصغيرة ومنصة Edge. Impulse ML.
اعتمد تتبع النشاط البشري التقليدي على استخدام الساعات الذكية والهواتف للتعرف على تمارين معينة استنادًا إلى بيانات وحدة التحكم في الوسائط IMU. ومع ذلك ، فقد حقق عدد قليل من التشغيل المستمر ومنخفض الطاقة ، لذلك استكشف Omkar Savkur و Nicholas Todalagi و Kevin Xie تشكيل نموذج متكامل على بيانات مقياس التسارع والميكروفون المدمجة للتمييز بين غسل اليدين وتنظيف الأسنان والتباطؤ. ينفذ مشروعهم باستمرار الاستدلالات على البيانات الواردة ، ثم يعرض الإجراء على كل من الشاشة وعبر مصباحي LED.
صنف النفايات بالصوتفي ظروف معينة ، مثل المدن الذكية أو إعادة التدوير في المنزل ، يمكن أن توفر معرفة أنواع المواد التي يتم التخلص منها نقطة بيانات قيمة لأنظمة إدارة النفايات. أنشأ الطلاب جاكي وانج وجوردونسون يان مشروعهم ، المسمى SBTrashCat ، للتعرف على أنواع القمامة من خلال الأصوات التي يصدرونها عند إلقاؤهم في سلة المهملات. في الوقت الحالي ، يمكن أن يتكون النموذج من ثلاثة أنواع مختلفة ، بالإضافة إلى ضوضاء الخلفية والأصوات البشرية للتخلص من الإيجابيات الكاذبة. توزيع التعلم الآلي للحافة
أدت وفرة أجهزة إنترنت الأشياء (IoT) إلى انفجار في قوة الحوسبة وكمية البيانات التي يجب معالجتها قبل أن تصبح مفيدة. نظرًا لأن جهازًا طرفيًا واحدًا منخفض التكلفة لا يحتوي على طاقة كافية لبعض المهام ، ابتكر Jong-Ik Park و Chad Taylor و Anudeep Bolimera نظامًا يقوم فيه كل جهاز بتشغيل "شريحة" خاصة به من نموذج متكامل للاستفادة بشكل أفضل من الموارد المتاحة.
الصيانة التنبؤية للمحركات الكهربائيةتتطلب المحركات في البيئة الصناعية تشغيلًا مستمرًا سلسًا وفعالًا لضمان وقت تشغيل مستمر ، كما أن إدراك الفشل في كثير من الأحيان يتطلب فحصًا يدويًا قبل اكتشاف المشكلة. من خلال الاستفادة من تقنيات التعلم العميق ومجموعة IMU / الكاميرا ، طور Abhishek Basrithaya و Yuyang Xu مشروعًا يمكنه تحديد عطل المحرك بدقة عند الحافة.
تقدير المخزون في الوقت الحقيقي باستخدام رؤية الكمبيوترتعتمد المستودعات بشكل كبير على توفر معلومات محدثة عن مواقع المنتجات والمخزونات والعناصر الواردة / الصادرة. من هذه القيود ، تعاونت Netra Trivedi و Rishi Pachipulusu و Cathy Tungyun لتجميع مجموعة بيانات من 221 صورة مصنفة مع النسبة المئوية للمساحة المتبقية على الرف. يتيح ذلك لـ Nano 33 BLE Sense استخدام كاميرا متصلة لحساب المساحة الفارغة على الرفوف في الوقت الفعلي.
تتبع حركات الكلبأحدثت أجهزة تتبع اللياقة البدنية مثل FitBit و Apple Watch ثورة في تتبع الصحة الشخصية ، ولكن ماذا عن حيواناتنا الأليفة؟ ملأ Ajith Potluri و Eion Tyacke و Parker Crain هذه الفجوة في السوق من خلال بناء طوق كلب يستخدم IMU الخاص بـ Nano للتعرف على الأنشطة اليومية وإرسال النتائج إلى هاتف ذكي عبر البلوتوث. هذا يعني أن صاحب الكلب لديه القدرة على الحصول على لمحة عامة عن مستويات النشاط اليومي لحيوانه الأليف على مدار أسابيع أو شهور.
مع مجموعة من المستشعرات المدمجة ، واتصال Bluetooth® منخفض الطاقة ، والقدرة على أداء مهام الذكاء الاصطناعي المتقدمة بفضل nRF52840 SoC ، يعد Arduino Nano 33 BLE Sense خيارًا ممتازًا لمجموعة كبيرة ومتنوعة من التطبيقات المضمنة . لإثبات هذه النقطة بشكل أكبر ، نشرت مجموعة من الطلاب من دورة "مقدمة إلى التعلم العميق المضمّن" بجامعة كارنيجي ميلون تتويجًا لدراساتهم من خلال 10 مشاريع رائعة يستخدم كل منها مجموعة أدوات التعلم الآلي الصغيرة ومنصة Edge. Impulse ML.
اعتمد تتبع النشاط البشري التقليدي على استخدام الساعات الذكية والهواتف للتعرف على تمارين معينة استنادًا إلى بيانات وحدة التحكم في الوسائط IMU. ومع ذلك ، فقد حقق عدد قليل من التشغيل المستمر ومنخفض الطاقة ، لذلك استكشف Omkar Savkur و Nicholas Todalagi و Kevin Xie تشكيل نموذج متكامل على بيانات مقياس التسارع والميكروفون المدمجة للتمييز بين غسل اليدين وتنظيف الأسنان والتباطؤ. ينفذ مشروعهم باستمرار الاستدلالات على البيانات الواردة ، ثم يعرض الإجراء على كل من الشاشة وعبر مصباحي LED.
صنف النفايات بالصوتفي ظروف معينة ، مثل المدن الذكية أو إعادة التدوير في المنزل ، يمكن أن توفر معرفة أنواع المواد التي يتم التخلص منها نقطة بيانات قيمة لأنظمة إدارة النفايات. أنشأ الطلاب جاكي وانج وجوردونسون يان مشروعهم ، المسمى SBTrashCat ، للتعرف على أنواع القمامة من خلال الأصوات التي يصدرونها عند إلقاؤهم في سلة المهملات. في الوقت الحالي ، يمكن أن يتكون النموذج من ثلاثة أنواع مختلفة ، بالإضافة إلى ضوضاء الخلفية والأصوات البشرية للتخلص من الإيجابيات الكاذبة. توزيع التعلم الآلي للحافة
أدت وفرة أجهزة إنترنت الأشياء (IoT) إلى انفجار في قوة الحوسبة وكمية البيانات التي يجب معالجتها قبل أن تصبح مفيدة. نظرًا لأن جهازًا طرفيًا واحدًا منخفض التكلفة لا يحتوي على طاقة كافية لبعض المهام ، ابتكر Jong-Ik Park و Chad Taylor و Anudeep Bolimera نظامًا يقوم فيه كل جهاز بتشغيل "شريحة" خاصة به من نموذج متكامل للاستفادة بشكل أفضل من الموارد المتاحة.
الصيانة التنبؤية للمحركات الكهربائيةتتطلب المحركات في البيئة الصناعية تشغيلًا مستمرًا سلسًا وفعالًا لضمان وقت تشغيل مستمر ، كما أن إدراك الفشل في كثير من الأحيان يتطلب فحصًا يدويًا قبل اكتشاف المشكلة. من خلال الاستفادة من تقنيات التعلم العميق ومجموعة IMU / الكاميرا ، طور Abhishek Basrithaya و Yuyang Xu مشروعًا يمكنه تحديد عطل المحرك بدقة عند الحافة.
تقدير المخزون في الوقت الحقيقي باستخدام رؤية الكمبيوترتعتمد المستودعات بشكل كبير على توفر معلومات محدثة عن مواقع المنتجات والمخزونات والعناصر الواردة / الصادرة. من هذه القيود ، تعاونت Netra Trivedi و Rishi Pachipulusu و Cathy Tungyun لتجميع مجموعة بيانات من 221 صورة مصنفة مع النسبة المئوية للمساحة المتبقية على الرف. يتيح ذلك لـ Nano 33 BLE Sense استخدام كاميرا متصلة لحساب المساحة الفارغة على الرفوف في الوقت الفعلي.
تتبع حركات الكلبأحدثت أجهزة تتبع اللياقة البدنية مثل FitBit و Apple Watch ثورة في تتبع الصحة الشخصية ، ولكن ماذا عن حيواناتنا الأليفة؟ ملأ Ajith Potluri و Eion Tyacke و Parker Crain هذه الفجوة في السوق من خلال بناء طوق كلب يستخدم IMU الخاص بـ Nano للتعرف على الأنشطة اليومية وإرسال النتائج إلى هاتف ذكي عبر البلوتوث. هذا يعني أن صاحب الكلب لديه القدرة على الحصول على لمحة عامة عن مستويات النشاط اليومي لحيوانه الأليف على مدار أسابيع أو شهور.
What's Your Reaction?
