Запобігання втоми водія за допомогою Nicla Vision і Edge Impulse FOMO

Водії, які страждають від втоми, стають великою небезпекою для себе та всіх, хто їх оточує на дорозі, оскільки час реакції, концентрація та пильність значно погіршуються. Ось чому Shebin Jose Jacob вирішив створити систему виявлення сонливості, яка може точно визначити, коли хтось за кермом втомився і йому потрібно зупинитися, щоб відпочити.

Рішення складається з єдиної плати Nicla Vision, яка містить 2-мегапіксельну камеру для збору зображень, IMU, мікрофон, датчик відстані та, нарешті, процесор Dual Arm Cortex-M7/M4 для швидкої роботи вбудованої машини моделі навчання. Дані для проекту було зібрано, зроблено багато фотографій і позначено рамки навколо очей як закриті або відкриті. Після цього Джейкоб навчив модель розпізнавання об’єктів на основі FOMO (швидші об’єкти, більше об’єктів) на зразках зображень і зміг досягти 100% точності.

Класифікації Nicla Vision у реальному часі ще більше посилили заявлену точність моделі, дозволивши Джейкобу зробити останній крок у створенні свого проекту. Модель tinyML було розгорнуто як повністю інтегрована бібліотека Arduino, тобто все, що потрібно було зробити коду, це отримати нове зображення, запустити його через модель розпізнавання об’єктів і перевірити результат. Тому тег із закритими очима дає звуковий сигнал і загоряється червоний світлодіод.

Докладніше про цю потенційно рятівну програму c...

Запобігання втоми водія за допомогою Nicla Vision і Edge Impulse FOMO

Водії, які страждають від втоми, стають великою небезпекою для себе та всіх, хто їх оточує на дорозі, оскільки час реакції, концентрація та пильність значно погіршуються. Ось чому Shebin Jose Jacob вирішив створити систему виявлення сонливості, яка може точно визначити, коли хтось за кермом втомився і йому потрібно зупинитися, щоб відпочити.

Рішення складається з єдиної плати Nicla Vision, яка містить 2-мегапіксельну камеру для збору зображень, IMU, мікрофон, датчик відстані та, нарешті, процесор Dual Arm Cortex-M7/M4 для швидкої роботи вбудованої машини моделі навчання. Дані для проекту було зібрано, зроблено багато фотографій і позначено рамки навколо очей як закриті або відкриті. Після цього Джейкоб навчив модель розпізнавання об’єктів на основі FOMO (швидші об’єкти, більше об’єктів) на зразках зображень і зміг досягти 100% точності.

Класифікації Nicla Vision у реальному часі ще більше посилили заявлену точність моделі, дозволивши Джейкобу зробити останній крок у створенні свого проекту. Модель tinyML було розгорнуто як повністю інтегрована бібліотека Arduino, тобто все, що потрібно було зробити коду, це отримати нове зображення, запустити його через модель розпізнавання об’єктів і перевірити результат. Тому тег із закритими очима дає звуковий сигнал і загоряється червоний світлодіод.

Докладніше про цю потенційно рятівну програму c...

What's Your Reaction?

like

dislike

love

funny

angry

sad

wow