Наш вердикт
Цей комплект із 2-мегапіксельною камерою, Pico та всіма оздобленнями додає ваш Raspberry Pi Pico розпізнавання людей та об’єктів.
Для
+ Прості інструкції
+ Швидкі результати
+ Сумісний з багатьма дошками
Проти
– Потрібні знання C/C++
– Об’єктив незахищений
Коли ми думаємо про машинне навчання та штучний інтелект, ми відразу думаємо про великі центри обробки даних з величезною обчислювальною потужністю. Але Raspberry Pi Pico здатний до машинного навчання за допомогою TinyML, розробленого для мікроконтролерів. За допомогою навчального комплекту Uctronics TinyML за 40 доларів ми можемо легко додати комп’ютерний зір до наших проектів.
Сумісний з багатьма різними мікроконтролерами, наприклад, від Arduino, Uctronics TinyML Learning Kit включає в себе камеру Arducam Mini 2MP Plus, яка деякий час використовувалася з іншими мікроконтролерами, але завдяки потужності Raspberry Pi Pico ми бачимо набагато кращу продуктивність для машини. навчання, майже в 10 разів більше в порівнянні з Arduino.
Ми поставили на лаву навчальний комплект Uctronics TinyML і дізналися більше про те, що може запропонувати цей набір.
Дизайн та використання навчального комплекту Uctronics TinyML
Розміром всього 0,78 x 1,34 дюйма (20 x 34,1 мм) у фокусі комплекту є Arducam 2MP Plus, камера, яка заснована на OV2640, 2-мегапіксельній камері, яку можна використовувати з мікроконтролерами та комп’ютерами через SPI (потік даних і команди) та протоколи I2C (конфігурація датчика).
Ця камера не обмежується лише використанням на Raspberry Pi Pico, що входить у комплект; його також можна використовувати з платами на основі Arduino та ESP32. Роздільна здатність 2 МП може здатися не такою великою, але для комп’ютерного зору та машинного навчання цього достатньо, якщо врахувати, що наше зображення буде лише 320 x 320 пікселів. Об’єктив камери міститься в байонеті M12, і він є взаємозамінним з іншими об’єктивами M12, які доступні окремо.
Підключення камери до Raspberry Pi Pico або іншого RP2040 — це непроста справа завдяки перемичкам, що входять до комплекту. Інтернет-ресурси чітко показують контакти GPIO, які ми повинні використовувати для підключення камери до Pico, і показують контакти GPIO для вхідного адаптера CP2102 USB-TTL, який використовується для надсилання відеоданих з Pico до програми, яка в нашому огляді був сценарієм виявлення людини, який запускав Processing, інтерфейс програмування, подібний до Arduino IDE, але орієнтований на візуальне мистецтво.
Після перепрошивки попередньо створеного проекту UF2, написаного на C/C++ на нашому Raspberry Pi Pico, ми встановили Processing IDE та відповідний код для отримання даних зображення та відображення на нашому робочому столі. Якщо ви шанувальник MicroPython, то зараз немає бібліотек MicroPython для TensorFLow Lite для Raspberry Pi Pico, але Arducam працює над підтримкою цього. Камера Arducam Mini 2MP Plus також може використовуватися для зйомки простих зображень, і вона має підтримувану спільнотою бібліотеку MicroPython для спрощення процесу.
Камера, підключена до Raspberry Pi Pico, крута, але машинне навчання набагато крутіше. Tiny Machine Learning (TinyML) — це версія TensorFlow, розроблена для використання на мікроконтролерах, які майже завжди мають меншу обчислювальну потужність, ніж повноцінний комп’ютер. Мікроконтролери, такі як Arduino, Espressif (ESP32) і тепер Raspberry Pi, можна навчати розпізнавати об’єкти, шаблони або реагувати на зовнішні вхідні сигнали від мікрофонів, датчиків тощо.
Arducam стверджує, що, використовуючи камеру OV2640 з Raspberry Pi Pico, ми можемо обробляти зі швидкістю 1 FPS, що може здатися не дуже, але еквівалентний проект, що працює на Arduino, становить 1 кадр кожні 18 секунд. Отже, Pico, безсумнівно, є кращою дошкою для TinyML за бюджетом. Arducam надає репозиторій Github, що містить серію демонстрацій TinyML, доступних у вигляді сирого коду C для налаштування та компіляції на вашому комп’ютері. Якщо ви бажаєте перейти безпосередньо до використання демонстрацій, є попередньо скомпільовані версії, збережені як файли UF2, готові до використання на Pico.
Для яких проектів ми можемо використовувати навчальний комплект Uctronics TinyML?
Навчальний комплект Uctronics TinyML розроблений для TinyML, тому він орієнтований на проекти, які потребують достатньої обчислювальної потужності, щоб додати до проекту комп’ютерний зір та штучний інтелект. Використовуючи камеру як вхідний сигнал, ми можемо надати роботові «приціл» і, використовуючи різні моделі, навчити робота шукати об’єкти чи людей.
Хочете спостерігати за зловмисниками в кімнаті та надсилати сповіщення на свої пристрої через Інтернет? Камера Arducam і наш посібник із розміщення Raspberry Pi Pico онлайн дозволять саме це.
Нижня лінія
Навчальний комплект Uctronics TinyML — це дуже весело, але щоб отримати від нього якнайкраще, вам дійсно потрібно знати свій C/C++, доки бібліотека MicroPython не буде готова до випуску. Якщо ви вже знайомі з машинним навчанням, швидше за все, це не є каменем спотикання для вас.
Камера Arducam Mini 2MP Plus неймовірно проста в збірці, вона має чіткі інструкції та добре задокументований репозиторій GitHub, і навіть початківець програміст може отримати чудові результати за трохи часу.
