Möchten Sie eine genaue Bestandsaufnahme führen? Behälter zählen mit Nicla Vision
Möchten Sie eine genaue Bestandsaufnahme führen? Behälter zählen mit Nicla Vision
Arduino-Team – 12. April 2023
Genaue Aufzeichnungen über Bestandsmengen und -standorte sind unerlässlich, wenn ein Geschäftsbetrieb effizient und in großem Maßstab ausgeführt werden soll. Durch den Einsatz neuer Technologien wie KI und Computer Vision können Artikel in Lagern, Ladenregalen und sogar in der Hand eines Kunden besser verwaltet und zur Vorhersage von Nachfrageänderungen verwendet werden. Wie das Team von Zalmotek demonstriert hat, kann ein kleines Arduino Nicla Vision-Board damit beauftragt werden, verschiedene Arten von Containern zu erkennen und die resultierenden Daten automatisch an die Cloud zu senden.
Die Hardware selbst war ziemlich einfach, da Nicla Vision bereits den Prozessor, die Kamera und die Konnektivität enthielt, die für den Machbarkeitsnachweis benötigt wurden. Nach der Konfiguration verwendete Zalmotek die OpenMV IDE, um einen großen Datensatz zu sammeln, der Bilder von jedem Artikeltyp enthält. Die Begrenzungsrahmen wurden dann mit Edge Impulse Studio gezeichnet, wonach ein FOMO-spezifisches MobileNetV2 0.35-Modell trainiert wurde, das in der Lage war, die Positionen und Mengen von Objekten in jedem Testrahmen genau zu bestimmen.
Die Bereitstellung des Modells war mit der OpenMV-Firmware-Exportoption einfach, da es problemlos in das Haupt-Python-Skript integriert werden konnte. Im Wesentlichen sammelt das Programm ständig neue Bilder, übergibt sie an das Modell und erhält die Anzahl der erkannten Objekte. Anschließend werden diese Zählungen über das MQTT-Protokoll an einen Cloud-Dienst zur Fernanzeige veröffentlicht.
Sie können hier im Edge-Impulse-Blog sehr viel ausführlicher über Proof of Concept lesen.
Kategorien:NiclaNicla Vision
Arduino-Team – 12. April 2023
Genaue Aufzeichnungen über Bestandsmengen und -standorte sind unerlässlich, wenn ein Geschäftsbetrieb effizient und in großem Maßstab ausgeführt werden soll. Durch den Einsatz neuer Technologien wie KI und Computer Vision können Artikel in Lagern, Ladenregalen und sogar in der Hand eines Kunden besser verwaltet und zur Vorhersage von Nachfrageänderungen verwendet werden. Wie das Team von Zalmotek demonstriert hat, kann ein kleines Arduino Nicla Vision-Board damit beauftragt werden, verschiedene Arten von Containern zu erkennen und die resultierenden Daten automatisch an die Cloud zu senden.
Die Hardware selbst war ziemlich einfach, da Nicla Vision bereits den Prozessor, die Kamera und die Konnektivität enthielt, die für den Machbarkeitsnachweis benötigt wurden. Nach der Konfiguration verwendete Zalmotek die OpenMV IDE, um einen großen Datensatz zu sammeln, der Bilder von jedem Artikeltyp enthält. Die Begrenzungsrahmen wurden dann mit Edge Impulse Studio gezeichnet, wonach ein FOMO-spezifisches MobileNetV2 0.35-Modell trainiert wurde, das in der Lage war, die Positionen und Mengen von Objekten in jedem Testrahmen genau zu bestimmen.
Die Bereitstellung des Modells war mit der OpenMV-Firmware-Exportoption einfach, da es problemlos in das Haupt-Python-Skript integriert werden konnte. Im Wesentlichen sammelt das Programm ständig neue Bilder, übergibt sie an das Modell und erhält die Anzahl der erkannten Objekte. Anschließend werden diese Zählungen über das MQTT-Protokoll an einen Cloud-Dienst zur Fernanzeige veröffentlicht.
Sie können hier im Edge-Impulse-Blog sehr viel ausführlicher über Proof of Concept lesen.
Kategorien:NiclaNicla Vision
What's Your Reaction?
