Hatırlıyor musunuz, birkaç gün önce EdgeLab‘ı yayınladık mı? Şimdi, EdgeLab kullanarak yaklaşık %99.56 doğrulukla gösterge türü ölçüm sistemlerini okumak için heyecan verici bir uygulamayı tanıtmaktan heyecan duyuyoruz! Bunu başarmak için PFLD adlı bir algoritma kullanıyoruz. O halde, bu blogda daha fazla bilgi edinelim.
19. yüzyılın ikinci yarısındaki ikinci sanayi devriminden bu yana, sanayi dünyasının her alanında çeşitli endüstriyel sayaçlar ortaya çıkmıştır. Bu sayaçlar uzun bir çalışma ömrüne ve güçlü çevresel uyum yeteneğine sahiptir, bu nedenle 21. yüzyılda hala çoğu endüstriyel izleme uygulamalarını desteklemektedir. Ancak, gösterge türü sayaçlardan veri okuma zorluğu ve erken uyarı sistemlerinin kurulumu hala modern bilgi sistemlerinin büyük sorunlarıdır.
Yukarıdaki resim gerçek dünyadaki bir ölçüm cihazına aittir. Gerçek dünyada, sayaçlar su buharı, deformasyon, bulanıklık, çizikler, ışık lekeleri, lekeler vb. gibi durumlarla karşılaşmaktadır. Bu durumlarda, basit derin öğrenme kullanan geleneksel desen tanıma veya sınıflandırma algoritmaları gerçek dünya ihtiyaçlarını karşılayamamaktadır.
Algoritma Tanıtımı
PFLD: Pratik Yüz Noktası Algılayıcı, aynı anda doğruluk, verimlilik koşullarını karşılayabilen hafif bir algoritmadır. Mobil cihazlarda (örneğin, kısıtlanmamış poz, deformasyon, aydınlatma ve engellenme koşulları) iyi algılama doğruluğuna sahip hafif modeller sunar ve gerçek zamanlı çalışır. EdgeLab, bu algoritmayı optimize eder, algoritmadaki yüz yönlendirme ve ifadeleri için çeşitli yardımcı modülleri kaldırır ve yalnızca anahtar noktalarla işaretlenmiş özellik bilgilerini çıkarır; bu, üç noktayı (baş, orta ve kuyruk) temsil eden bilgiyi içerir, böylece sayacın doğru okumasını elde eder, bu da uçtan uca anahtar noktası algılama algoritmasıdır. Aşağıdaki Şekil (1), değiştirilmiş algoritmanın mimarisini göstermektedir. Birden fazla anahtar noktasının bilgisi aracılığıyla, cihazın yüzeyinde bir veya iki nokta bilgisi olduğu sürece doğru okuma elde edilebilir. Bu, Şekil (2)‘de tasvir edilen çeşitli karmaşık ve değişken durumlar olsa bile gerçek dünya gereksinimlerini karşılamaktadır.
Optimize edilmiş algoritma hakkında daha fazla bilgi edinmek isterseniz, buraya tıklayarak kaynak kodunu keşfedebilirsiniz.
Ayrıca, buraya tıklayarak farklı yerlerde ve farklı aydınlatma koşullarında ölçüm okumalarını içeren bizim hazırladığımız bir veri setini keşfedebilirsiniz.
Veri toplama işleminden sonra etiketleme, eğitim ve dağıtım aşamaları gelir. Eğitim değerlendirmesinde doğruluk yaklaşık %99.56 seviyesine ulaştı. Bu eğitim süreci hakkında daha fazla bilgi edinmek isterseniz, buraya tıklayarak Edgelab Github deposunu keşfedebilirsiniz.
Dağıtım
Gerçek dünyada, bazen okumalar almak için cihazlara ulaşmak kolay olmayabilir, aşağıdaki şekil gibi:
Bu nedenle, düşük güç tüketimi ve uzun mesafe kablosuz iletişim özelliklerine sahip akıllı bir görüntüleme cihazına ihtiyaç vardır ve Seeed SenseCAP A1101 – LoRaWAN Vision AI Sensörü yukarıdaki dağıtım gereksinimlerini karşılayabilir.
-40 ile 85℃ arasında çalışma sıcaklıklarına ve IP66 su geçirmezlik derecesine sahip olan bu cihaz, dış mekanlarda ve zorlu ortamlarda dağıtım için uygundur.
Ayrıca, bu cihaza eğitilmiş bir modeli yüklemek de oldukça kolaydır. Bu cihazı bilgisayara bağlayın ve model uf2 dosyasını cihaza yüklemek için üzerindeki düğmeye basın.
Önceki algoritma ile eğitilen model, burada belirtilen adımları takip ederek bu donanıma dağıtılabilir.
Aşağıdaki şekil, cihaz dağıtımından bulutta veri alımına kadar olan genel mimariyi göstermektedir.
Gösterge türü ölçüm okuma tespitine dair bir video aşağıda görülebilir:
Ayrıca sonuçları çıkarmak için aşağıdaki web GUI’yi geliştirdik.
Gerçek sahne yapısı için özel gereksinimler varsa, uyarlanmış yapı ihtiyaçlara göre özelleştirilebilir; aşağıdaki şekilde, genel su sayacı yapısı için SenseCAP tarafından özel olarak özelleştirilmiş bir yapı örneği gösterilmektedir:
Eğer bir IoT (Nesnelerin İnterneti) SI (Sistem Entegratörü) iseniz ve görsel tanıma uygulamaları ve ürün özelleştirmeleri için büyük hacim ihtiyaçlarınız varsa, lütfen iot@seeed.cc ile iletişime geçin.
Eğer bir geliştiriciyseniz, ölçüm uygulamalarının yanı sıra A1101’in keşfedilecek daha fazla senaryosu ve kullanımı vardır. Projenizi paylaşmaya davetlisiniz!
