Este detector de incendios basado en Nicla Vision fue entrenado completamente en datos sintéticos
Equipo Arduino — 31 de julio de 2023
Con el planeta calentándose constantemente debido al cambio climático y el riesgo de incendios forestales aumentando drásticamente debido a las sequías prolongadas, ser capaz de detectar rápidamente cuándo se ha iniciado un incendio es fundamental para reaccionar cuando aún se encuentra en una fase manejable. Pero uno de los principales obstáculos para recopilar conjuntos de datos de modelos de aprendizaje automático sobre este tipo de eventos es que pueden ser bastante esporádicos. Dentro su sistema de prueba de conceptoEl ingeniero Shakhizat Nurgaliyev muestra cómo aprovechó NVIDIA Omniverse Replicator para crear un conjunto de datos completamente generado y luego implementar un modelo entrenado con esos datos en un Placa Arduino Nicla Vision.
El proyecto comenzó como una simple animación de fuego dentro de Omniverse que pronto fue seguida por un script de Python que produce un par de cámaras virtuales y aleatoriza el plano de tierra antes de capturar imágenes. Una vez que se creó lo suficiente, Nurgaliyev usó la aplicación de detección de objetos Zero-Fire Grounding DINO para dibujar automáticamente cuadros delimitadores alrededor de las llamas virtuales. Finalmente, cada imagen se integró en un proyecto Edge Impulse y se utilizó para desarrollar un modelo de detección de objetos basado en FOMO.
Con este enfoque, el modelo logró una puntuación F1 de casi el 87 % y solo necesitó un máximo de 239 KB de RAM y solo 56 KB de almacenamiento flash. Una vez implementada como una biblioteca de OpenMV, Nurgaliyev demuestra en su video a continuación cómo el boceto de MicroPython que se ejecuta en un Nicla Vision en el IDE de OpenMV detecta y limita las llamas. Se puede encontrar más información sobre este sistema aquí en Hackster.io.
Puede seguir cualquier respuesta a esta entrada a través de la fuente RSS 2.0. Puedes deja una respuestao trackback desde su propio sitio.