導(dǎo)讀

2023年以ChatGPT為代表的大語言模型橫空出世，它的出現(xiàn)標志著自然語言處理領(lǐng)域取得了重大突破。它在文本生成、對話系統(tǒng)和語言理解等方面展現(xiàn)出了強大的能力，為人工智能技術(shù)的發(fā)展開辟了新的可能性。同時，人工智能技術(shù)正在進入各種應(yīng)用領(lǐng)域，在智慧城市、智能制造、智慧醫(yī)療、智慧農(nóng)業(yè)等領(lǐng)域發(fā)揮著重要作用。

柴火創(chuàng)客2024年將依托母公司Seeed矽遞科技在人工智能領(lǐng)域的創(chuàng)新硬件，與全球創(chuàng)客愛好者共建“模型倉”，通過“SenseCraft AI”平臺可以讓使用者快速部署應(yīng)用體驗人工智能技術(shù)！

本期介紹：模型案例：|奶牛識別模型！

EfficientNet

在開發(fā)以卷積神經(jīng)網(wǎng)絡(luò)（CNN）為核心的機器學(xué)習(xí)模型時，為了提供準確率最常見的方法是通過深度或?qū)挾龋ㄆ鋵嵰簿褪窃黾觕hannels）來放大卷積網(wǎng)，或是使用分辨率更大的圖像進行訓(xùn)練和評估。雖然這些傳統(tǒng)方法提高準確率的效果不錯，但大多需要繁瑣的手動調(diào)整，還可能無法達到最佳性能。

如何使深度（更多層）、寬度（更多通道）或更高的圖像分辨率達到平衡以獲取更好的性能，EfficientNet很好的解決了這個問題。

EfficientNet的核心思想是復(fù)合縮放，EfficientNet不是單獨增加深度、寬度或分辨率，而是按比例同時擴展這三個方面。

這種平衡的增長使模型能夠在不需要不必要的計算的情況下提高準確性，并在不犧牲有效性的情況下最大限度地提高效率。

EfficientNet使用復(fù)合縮放方法來按比例平衡深度，寬度和分辨率，提高準確性，同時最大限度地減少資源使用。

EfficientNet-B 0是使用神經(jīng)結(jié)構(gòu)搜索（NAS）設(shè)計的，以優(yōu)化高精度和低計算成本。

EfficientNet系列（B 0至B7）從B 0向上擴展，與其他型號相比，使用更少的參數(shù)和FLOP實現(xiàn)一致的性能改進。

只縮放一維（深度、寬度或分辨率）會導(dǎo)致精度遞減; EfficientNet的復(fù)合縮放更有效。

在ImageNet上，EfficientNet模型提供了最先進的準確性，計算成本比ResNet和NASNet等替代方案低得多。

EfficientNet也擅長遷移學(xué)習(xí)。它在CIFAR-10和斯坦福大學(xué)汽車等數(shù)據(jù)集上實現(xiàn)了最佳性能，同時使用的參數(shù)減少了9.6倍。

奶牛識別模型

該 AI 模型利用先進的 Swift yolo 算法，專注于奶牛識別，可以在實時視頻流中準確檢測和標記奶牛。它特別適用于 Seeed Studio Grove Vision AI （V2） 設(shè)備。

應(yīng)用場景

健康監(jiān)測：通過識別奶牛的行為和生理特征，模型可以識別潛在的健康問題，例如疾病、應(yīng)激狀態(tài)或營養(yǎng)不足，及時通知農(nóng)場主進行干預(yù)。

生產(chǎn)性能分析：識別不同奶牛的乳量、乳質(zhì)和生長狀態(tài)，幫助農(nóng)場主分析和優(yōu)化奶牛的生產(chǎn)性能，從而提高產(chǎn)奶效率和經(jīng)濟效益。

繁殖管理：通過跟蹤和分析奶牛的繁殖周期，助農(nóng)戶進行更有效的繁殖管理。

行為識別：監(jiān)控奶牛的飲食、休息和運動行為，判斷其是否處于正常狀態(tài)，以便采取措施改善其生活環(huán)境或飼喂方式。

數(shù)據(jù)分析與決策支持：基于大量收集到的數(shù)據(jù)，利用識別模型生成分析報告，輔助農(nóng)場管理決策，如選種、飼料配比及環(huán)境調(diào)控等。

智能喂養(yǎng)和自動化管理：識別奶牛個體后，可以實現(xiàn)智能喂養(yǎng)系統(tǒng)，根據(jù)每頭奶牛的需求進行精準喂養(yǎng)，提高資源利用效率，降低飼養(yǎng)成本。

在Grove-VisionAIV2模塊上部署此模型

1、打開SenseCraft AI平臺，如果第一次使用請先注冊一個會員賬號，還可以設(shè)置語言為中文。

平臺地址：https://sensecraft.seeed.cc/ai/#/model

2、在頂部單擊【預(yù)訓(xùn)練模型】菜單，在公共AI模型列表8中找到【奶牛檢測】模型，單擊此模型圖片，如下圖所示。

3、進入【奶牛檢測】模型介紹頁面，單擊右側(cè)的“部署模型”按鈕，如下圖所示。

4、進入部署奶牛檢測模型頁面，按提示步驟先連接攝像頭，再連接設(shè)備到電腦USB接口上，最后單擊【連接設(shè)備】按鈕，如下圖所示。

5、彈出部署模型窗口，單擊“確定”按鈕，如下圖所示。

6、彈出連接到串行端口窗口，選擇端口號后單擊“連接”按鈕，如下圖所示。

7、開始進行模型部署、固件下載、設(shè)備重啟等過程，完成后在預(yù)覽中即可看到當前攝像頭視頻內(nèi)容，將攝像頭對準手機中奶牛的圖片查看預(yù)測效果，如下圖所示。

預(yù)測效果視頻演示

Grove Al視覺模塊 V2套裝介紹

Grove Al視覺模塊 V2

OV5647-62攝像頭

Grove - Vision Al Module V2是一款拇指大小的人工智能視覺模塊, 配備Himax WiseEye2 HX6538處理器, 該處理器采用 ArmCortex-M55雙核架構(gòu)。

它具有標準的CSI接口, 并與樹莓派相機兼容。它有一個內(nèi)置的數(shù)字麥克風(fēng)和SD卡插槽。它非常適用于各種嵌入式視覺項目。

有了SenseCraft Al算法平臺, 經(jīng)過訓(xùn)練的ML模型可以部署到傳感器, 而不需要編碼。它兼容XIAO系列和Arduino生態(tài)系統(tǒng), 是各種物體檢測應(yīng)用的理想選擇。

Arm Ethos-U55 嵌入式神經(jīng)網(wǎng)絡(luò)處理器（NPU）

嵌入式神經(jīng)網(wǎng)絡(luò)處理器（NPU）是一種特別設(shè)計用于執(zhí)行神經(jīng)網(wǎng)絡(luò)計算的高效率處理器。它主要基于數(shù)據(jù)驅(qū)動并行計算架構(gòu)，特別擅長處理視頻、圖像等大量的多媒體數(shù)據(jù)。NPU模仿了生物神經(jīng)網(wǎng)絡(luò)的架構(gòu)，與CPU、GPU相比，它能夠通過更少的指令（一條或幾條）完成神經(jīng)元的處理，因此在深度學(xué)習(xí)的處理效率方面具有明顯優(yōu)勢。

它具有標準的CSI接口, 并與樹莓派相機兼容。它有一個內(nèi)置的數(shù)字麥克風(fēng)和SD卡插槽。它非常適用于各種嵌入式視覺項目。

有了SenseCraft Al算法平臺, 經(jīng)過訓(xùn)練的ML模型可以部署到傳感器, 而不需要編碼。它兼容XIAO系列和Arduino生態(tài)系統(tǒng), 是各種物體檢測應(yīng)用的理想選擇。

主要硬件配置

- 板卡基于WiseEye2 HX6538處理器, 采用雙核ARM Cortex-M55架構(gòu) 。

- 配備集成Arm Ethos-U55微神經(jīng)網(wǎng)絡(luò)加速單元, 兼容的樹莓派相機

- 板載PDM麥克風(fēng), SD卡插槽, Type-C, Grove接口, 豐富的外設(shè)支持樣機開發(fā) 。

- Seeed Studio XIAO的可擴展性, SenseCraft Al的現(xiàn)成AI模型用于無代碼部署。

- 支持各種有效的模型, 包括MobilenetV1、MobilenetV2、 Eficientnet-Lite、Yolov5和Yolov8。

寫在最后

SenseCraft-AI平臺的模型倉數(shù)量還很少，但是好消息是它支持自定義模型上傳并輸出推理結(jié)果，平臺會逐漸增加模型倉的數(shù)量和分享有愛好者設(shè)計的模型倉原型，敬請關(guān)注！