Yapay zeka (YZ), yaşam ve çalışma şeklimizi dönüştürme potansiyeli ile dünyayı kasıp kavurdu. Birçok sektörün bu teknolojiyi karmaşık gerçek dünya problemlerini çözmek için benimsemeye hevesli olması da şaşırtıcı değil. Geçen yıl, Seeed Studio Grove-Vision AI Module‘u piyasaya sürdü; bu, gerçek zamanlı nesne tespiti yapmak için Edge Machine Learning algoritmalarının ve hesaplamalı fotoğrafçılığın gücünden yararlanan son teknoloji bir kameradır. XIAO ekosistemi ve Arduino ile kullanılmak üzere tasarlanan Grove-Vision AI Module, YZ destekli kamera projeleri oluşturmak için mükemmel bir araçtır.
Grove-Vision AI Module, gelişmiş Himax HX6537-A işlemcisini kullanan kompakt bir karttır ve YZ destekli OV2640 kamera sensörü ile donatılmıştır. Bu sensör, otomatik pozlama ve otomatik beyaz dengesi yetenekleri sayesinde olağanüstü görüntü kalitesi sunar. Cihazın entegre Edge Machine Learning algoritması, gerçek zamanlı, geliştirilmiş nesne tespiti yapmak için hesaplamalı fotoğrafçılığı kullanır. Modül ayrıca insan yüzü tespiti için önceden yüklenmiş modellerle birlikte gelir ve üçe kadar özelleştirilmiş modelin içe aktarımını destekleyebilir.
Endüstriyel Çözümlere Geçiş Yapın
Endüstriyel düzeyde projeler gerçekleştirmek istiyorsanız, SenseCAP A1101 – LoRaWAN Vision AI Sensor‘a göz atmanızı öneririz. Bu üst düzey endüstriyel sensör, IP66 sınıfı endüstri düzeyinde bir muhafaza içinde yer almakta olup, entegre Wio-E5 LoRaWAN modülü ve MCU ile donatılmıştır, bu da onu dış mekan kullanımı için mükemmel hale getirir. SenseCAP Mate Uygulaması ve Dashboard’u kullanarak, model eğitimi tamamlandıktan sonra uygulamayı eklemek ve dağıtmak son derece kolaydır.
SenseCAP A1101 – LoRaWAN Vision AI Sensor, TinyML dünyasına kapı açın
SenseCAP A1101, TinyML YZ teknolojisi ve uzun menzilli LoRaWAN iletim gücünden yararlanan son teknoloji bir LoRaWAN Vision AI Sensörüdür ve hem iç hem de dış mekanlar için mükemmel bir cihaz çözümüdür. Yüksek verimli bir YZ görsel çözümü ile donatılmıştır Himax, enerji verimli çalışmayı garanti eder. Bu sensör ayrıca Google TensorFlow Lite ve Edge Impulse gibi çeşitli TinyML YZ platformlarıyla eğitim desteği sunarak kullanıcılarına kullanım kolaylığı ve esneklik sağlar. Ayrıca, SenseCAP A1101 farklı YZ uygulamaları için özelleştirmeyi destekler; özel Vision AI Sensörünüzü özelleştirmek isterseniz buradan formu doldurun.
Edge Impulse’un Grove-Vision AI Module & SenseCAP A1101 – LoRaWAN Vision AI Sensor için Resmi Desteği
Edge Impulse, kurumsal ekiplerin kolayca herhangi bir kenar cihazına yüklenebilen YZ modelleri oluşturmasına ve optimize etmesine yardımcı olmak için tasarlanmış gelişmiş bir YZ modelleme platformudur. Seeed Studio’nun yazılım ortağı olarak, Edge Impulse, makine öğrenimi modelleri geliştirmek, eğitmek ve bu modelleri cihazlara dağıtmak için kılavuzlar oluşturarak kenar cihazlarımıza destek sunmaktadır.
Son birkaç ay içinde, Edge Impulse, Grove-Vision AI Module ve SenseCAP A1101 LoRaWAN Vision AI Sensor için resmi desteklerini duyurdu. Bu, artık bu cihazlardan ham verileri toplayabileceğiniz, modeller oluşturabileceğiniz ve eğitilmiş makine öğrenimi modellerini doğrudan cihazlara stüdyo üzerinden dağıtabileceğiniz anlamına geliyor; herhangi bir programlama becerisine ihtiyaç duymadan.
Edge Impulse ile aşağıdaki kılavuzlara göz atın:
- Grove-Vision AI Module: Buraya tıklayın
- SenseCAP A1101-LoRaWAN Vision AI Sensor: Tıklayın buraya
Bu blogda, Grove-Vision AI Module ve SenseCAP A1101 LoRaWAN Vision AI Sensor kullanarak ilham verici gerçek dünya uygulamaları oluşturan 11 topluluk projesini sergilemekten heyecan duyuyoruz. Sizi kutunun dışına düşünmeye ve YZ’nin olumlu değişimi sağlamak için nasıl kullanılabileceğini keşfetmeye teşvik etmeyi umuyoruz. Sağlık hizmetlerini iyileştirmekten tarımı geliştirmeye kadar, bu projeler YZ teknolojisinin sonsuz olanaklarını göstermektedir.
Bu harika projeleri keşfederken bize katılın ve YZ’nin daha iyi bir dünya yaratmak için nasıl kullanıldığını keşfedin. Hadi dalalım!
1. Küçük ML + LoRa ile Drenaj Tıkanıklığını Tespit Et
Shuyang‘a ait ofis, güzel bir balkona sahiptir. Bu alana adım atan biri, sanki huzurlu bir bahçeye girmiş gibi hisseder. Bahar ve yaz aylarında açan çiçeklerin ve bitkilerin canlı renkleri, gerçekten keyifli bir atmosfer yaratır. Ancak bu güzellik, güçlü rüzgarlar veya yağmur nedeniyle hızla tıkanabilecek dökülen yapraklar ve taç yapraklarıyla birlikte gelir. Shuyang, balkon drenajında herhangi bir kalıntı birikimini tespit etmek ve zamanında müdahale için uyarılar göndermek amacıyla bir çözüm bulmaya kararlıdır.
Shuyang, balkonuna sensör kurmaya çalışırken kablolama zorluğu ve kodlama ile TinyML konusundaki sınırlı bilgisi nedeniyle bir zorlukla karşılaştı. Bu engelleri aşmak için, yerel çıkarım yapabilen ve sonuçları LoRa ile iletebilen bir dış mekan akıllı görüntü sensörü kullanarak bir kodsuz çözüm keşfetti. Ayrıca model eğitimi için Edge Impulse’tan yardım aldı.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Edge Impulse
>>Projenin tamamını Hackster‘da okuyun
2. Penguen Sayımı ve İzleme
Son birkaç yılda, okyanus türleri deniz kirliliği ve deniz sıcak hava dalgalarından olumsuz etkilenmiş, bu da açlık ve kitlesel ölümlere yol açmıştır. Küçük mavi penguen, diğer adıyla “Kororā,” bu koşullara karşı özellikle savunmasızdır ve Yeni Zelanda’nın Koruma Departmanı (DOC) tarafından “azalan/risk altında” olarak sınıflandırılmıştır.
Bu kritik sorunu ele almak için, Richard Wright, penguenlerin karaya çıktıklarında tespit edilmesi, izlenmesi ve korunması için Grove-Vision AI Modülü kullanarak bir sistem geliştirmiştir ve bildirimleri LoRa üzerinden göndermektedir. Ancak bu görev oldukça zordur çünkü penguenler genellikle alacakaranlıkta karaya çıkarlar ve bu da onları yakalamak için çok karanlıktır, ancak Richard Wright bunun önemli ve sürekli bir çaba olduğunu düşünmektedir.
Bu projede kullanılan Seeed ürünleri
- SenseCAP K1100 – LoRa® ve AI ile Sensör Prototip Kiti
- Wio Terminal Gövdesi
- Wio Terminal Gövdesi – Pil
Yazılım
- Microsoft Visual Studio Code Arduino Eklentisi
>>Projenin tamamını Hackster‘da okuyun
3. Erken Sel Uyarı Sistemi
Sel, hem yaygın hem de maliyetli bir doğal afet türüdür. Genellikle kasırgalar, eriyen kar veya uzun süreli yağışlar nedeniyle meydana gelir. Ani seller, suyun bir akarsu veya alçak bir alanda hızla yükselmesiyle aniden meydana gelebilir.
Jhonattan Fredy Moreno Bernal, bu sorunu ele almak için erken uyarılar üreten düşük maliyetli bir sistem geliştirmiştir. Bir dizi düğüm dağıtarak, sistem su akışlarını izleyebilir ve tahminsel sel modelleri oluşturmak için daha fazla bilgi toplayabilir. Sistem, ani selleri tespit etmek için eğitilmiş bir modeli kullanır ve tanımlı bir tespit eşiği aşıldığında Blynk platformu üzerinden e-posta ile alarm gönderir. Bu, sel öncesinde önleyici tedbirler almak için zamanında uyarılar sağlamaya yardımcı olur.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Roboflow
- Blynk
>>Projenin tamamını Hackster‘da okuyun
4. Görsel Tabanlı Kum Tükenme Önleme Kiti (VSDP)
Nehir yataklarından kum çıkarılması, sosyal, çevresel, jeomorfik ve felaket etkileri de dahil olmak üzere nehirler üzerinde çeşitli olumsuz etkilere yol açan büyük bir çevresel sorundur. Kontrolsüz kum tüketimi, dört on yıl içinde %45 artabilir ve bu da çevresel zarara ve kentsel genişleme malzeme eksikliklerine yol açabilir.
Bu sorunu ele almak için, Rahul Khanna D, VOC, eCO2, toprak nemi, sıcaklık ve nem gibi sensör verilerini işlemek için Grove sensörlerini kullanan bir sistem tasarlamıştır. Bu cihaz, kum tükenme bölgesinde izinsiz giren insanları izler ve sunucuya kapı aracılığıyla bildirimde bulunur. Ayrıca, Edge AI modeli, Grove-Vision AI Modülü kullanarak yasadışı kum madenciliğini izler. Birden fazla AI düğümü, Helium Sunucusuna bağlanan LoRaWAN ağ geçidine dağıtılır ve bağlanır.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Arduino IDE
- Helium Console
>>Projenin tamamını Hackster‘da okuyun
5. IoT AI Tabanlı Ağaç Hastalığı Tanımlayıcı w/ Edge Impulse & MMS
Çevresel değişiklikler ve geniş çaplı ormansızlaşma sonucunda, ağaçlar ve bitkiler bulaşıcı hastalıklara karşı giderek daha savunmasız hale gelmektedir. Bu durum, ağaçların polinasyondaki kritik rolü nedeniyle özellikle endişe vericidir ve ağaç hastalıklarının yayılması, önemli mahsul kayıplarına, hayvan ölümlerine, yaygın enfeksiyon salgınlarına ve hatta toprak erozyonu nedeniyle arazi bozulmasına yol açabilir.
Bu sorunu ele almak için, Kutluhan Aktar, “IoT AI Tabanlı Ağaç Hastalığı Tanımlayıcı w/ Edge Impulse & MMS” adlı bir proje geliştirmiştir. Bu yenilikçi yaklaşım, enfekte ağaçların görüntülerini toplamak için Grove-Vision AI kullanarak kapsamlı bir veri seti oluşturur. Edge Impulse kullanarak, modeller erken aşamada ağaç hastalıklarını tanımlamak için eğitilir ve dağıtılır. Sonuçlar daha sonra MMS aracılığıyla iletilir, böylece ormanlar, çiftlikler ve tarım arazileri üzerindeki daha fazla yayılma ve zarar önlenebilir.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Edge Impulse Studio
- Arduino IDE
- Thonny
- Autodesk Fusion 360
- Ultimaker Cura
>>Projenin tamamını Hackster‘da okuyun
6. Yaban Hayatı Koruma Alanı İzleyici
Endonezya’nın tropikal ormanları, dünyadaki üçüncü en büyük ormanlar olup, çeşitli yaban hayatına, tehdit altındaki türler de dahil olmak üzere ev sahipliği yapmaktadır. Ancak, koruma çabaları yasadışı avlanma ve ormansızlaşma gibi zorluklarla karşı karşıyadır. Javan Gergedanı ve orangutan, risk altındaki türler arasında yer almakta olup, kaynak ve personel eksikliği koruma çabalarını daha da zorlaştırmaktadır.
Hendra Kusumah, ormanların durumunu izleyen ve tehdit altındaki hayvanları tanımlayan bir koruma aracı oluşturmuştur. Bu proje, tehdit altındaki yaban hayatın canlılığını değerlendirmek için ses sınıflandırmasını kullanmayı merkezine alır ve Grove-Vision AI, onların hareketlerini tespit etmek için kullanılır. Cihaz, yasadışı avlanma faaliyetlerini derhal yetkililere bildirebilir ve yangın patlak vermesi durumunda yayılmalarını önlemek için erken uyarılar verebilir. Ayrıca, sistem veri sonuçlarını kablosuz olarak uzun mesafelerde iletebilir ve bunları bilgisayar panellerinde ve akıllı telefonlarda görüntüleyebilir.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Edge Impulse Studio
- Arduino IDE
>>Projenin tamamını Hackster‘da okuyun
7. Göl için Plastik Şişe Dedektörü
Birçok insan arasında plastik şişelerin/konteynerlerin biyolojik olarak parçalanabilir olduğu ve çevreye atılabileceği yönünde bir yanlış anlama bulunmaktadır. Bu durum, nehirler, drenajlar, göller ve okyanuslar gibi yerlerde uygunsuz bir şekilde atılmalarına yol açmaktadır. Bu yanlış anlama, ciddi çevresel kirliliğe neden olmuş ve insanların ve diğer canlıların sağlığına tehdit oluşturmaktadır.
JuanYi, gölde yüzen plastik şişeleri tanımlamak için görsel teknolojiyi kullanan bir cihaz geliştirmiştir ve toplanan verileri buluta göndererek atıkların çevre üzerindeki olumsuz etkisini en aza indirmeyi amaçlamaktadır. Konvolüsyonel sinir ağını (CNN) eğitmek için plastik şişelerden oluşan bir veri setine ihtiyaç vardır. Bu nedenle, JuanYi, çevredeki bir park gölünden birkaç hafta boyunca düzenli olarak veri toplamak için Grove-Vision AI kullanmıştır.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Arduino IDE
- Roboflow
>>Tam projeyi Hackster‘da okuyun
8. DeViridi: IoT Gıda Bozulma Sensörü ve İzleme Paneli
Rockefeller Vakfı, gelişmekte olan ülkelerde küçük çiftçilerin ve tedarik zinciri aktörlerinin gıda bozulması nedeniyle gelirlerinin %15’ini kaybettiğini ve 2050 yılına kadar ek bir milyar insanı besleyebileceğini bulmuştur. Çiftçiler dünya genelinde gıda depolama ve bozulmuş gıdaların tespitinde zorluk çekmekte, bu da onlara ve işleme şirketlerine yüksek maliyetler getirmektedir. Tarım atıkları sera gazlarına katkıda bulunmakta, Kenya’da yalnızca hasat sonrası ürünlerin %50’si israf edilmekte, bu da yenilebilir gıda kaybına ve karbondioksitten 25 kat daha fazla ısı hapseden metan gazına yol açmaktadır.
Ashwin Sridhar, gıda depolama koşullarını izlemek ve bozulmayı erken tespit etmek için AI tabanlı görüntü tespiti kullanan akıllı bir IoT cihazı geliştirmiştir. Ayrıca, çürüyen etlerden amonyak ve hidrojen sülfür, meyve ve sebzelerden etilen gibi farklı gıda türlerinden yayılan gazları tespit ederek, cihaz gıda bozulmasının ilerlemesini ve kapsamını belirleyebilir, böylece çiftçiler, tedarikçiler, süpermarketler ve haneler gıdanın yenilebilirliğini doğru bir şekilde değerlendirebilir.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Autodesk Fusion 360
- Arduino IDE
- TensorFlow
>>Tam projeyi Hackster‘da okuyun
9. Tehdit Altındaki Hayvan Dedektörü
Son zamanlarda, Avustralya’nın yaban hayatı yangın ve selin yıkıcı etkilerinden önemli ölçüde zarar görmüştür. Bu durum, ülkenin benzersiz ve tehdit altındaki türleri üzerinde özellikle olumsuz bir etki yaratmıştır; bunlardan bazıları sadece Avustralya’ya özgüdür. Bu türlerden biri, Avustralya Başkent Bölgesi’nin sembolü olan Gang-gang kakadu’dur. Ne yazık ki, bu kuş, iklim krizi ve orman yangını felaketi nedeniyle nüfusundaki keskin düşüş nedeniyle tehdit altındaki bir tür olarak sınıflandırılmaktadır.
Projenin amacı, yerli hayvanların hareketini ve popülasyonunu izlemek için bir doğa koruma alanında görünmeyen görüntü sınıflandırma sensörleri ağı kurmaktır. Pbrown, Gang-gang ve diğer yerli kuş türlerini doğru bir şekilde tespit etmek için Grove-Vision AI modüllerini kullanmıştır. Ayrıca, sistem, çeşitli çevresel koşulları izlemek için nem ve sıcaklık sensörleri gibi çevresel sensörler içermektedir. Bu, koruma alanındaki hayvanların sayısı ve türleri ile yönsel hareketleri ve belirli çevresel faktörler hakkında değerli verilerin toplanmasını sağlayacaktır.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Arduino IDE
>>Tam projeyi Hackster‘da okuyun
10. Gate Keeper – IoT Tabanlı Fil Tespit Sistemi
Güney Hindistan’da bulunan Ooty, doğal güzellikleriyle bilinen bir tepedir. Ancak, bölgeye sık sık giren filler, sakinler arasında panik yaratmaktadır. Bu dev memelilerin sesleri bazen yerel halkı uyandırsa da, genellikle sessiz kalmakta ve bu da insan-filler arasında önemli bir çatışma riski oluşturmaktadır.
Bu sorunu hafifletmek için, Pradeep Thiruna ve ekibi, SenseCAP K1100 – LoRa® ve AI ile Sensor Prototip Kiti kullanarak IoT tabanlı bir Fil Tespit Sistemi geliştirdi. Fillerin aktivitelerini tespit etmek ve izlemek için Grove-Vision AI Modülü entegre ettiler ve sakinleri SMS veya e-posta ile hızlı bir şekilde uyardılar.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Arduino IDE
- Qubitro
- Blues Wireless Notehub.io
>>Projenin tamamını Hackster‘da okuyun
11. NMCS: Artık Kahve Dökülmesi Yok!
Sashrika Das, Seeed Studio’nun “IoT in the Wild Contest 2022” yarışmasının kazananlarından biri, yakın zamanda yeni bir cihaz geliştirdi. “NMCS” (Artık Kahve Dökülmesi Yok) adı verilen bu cihaz, babasının kahve demleme sırasında kahve dökme deneyiminden ilham aldı. NMCS, demleme işlemine başlamadan önce bir fincanın varlığını kontrol ederek bu tür kazaları önlemeyi amaçlamaktadır.
Bunu başarmak için, cihaz, kahve makinesinden gelen demleme seslerini tespit etmek için Wio Terminal’dan bir mikrofon modülü kullanmaktadır. Demleme tespit edildiğinde, cihaz, makinede bir fincanın olup olmadığını kontrol etmek için Grove-Vision AI Modülü kullanır. Eğer yoksa, Wio Terminal’ın yerleşik zili çalarak kullanıcıyı fincanı yerleştirmesi için uyarır.
Bu projede kullanılan Seeed ürünleri
Yazılım
- Arduino IDE
- Edge Impulse Studio
- Roboflow
>>Projenin tamamını Hackster‘da okuyun
Bu projeler hakkında daha fazla bilgi edinmenizi teşvik ediyoruz. Bu fikirlerin bazıları hayata geçirmesi zor olabilir, ancak AI’nın hayatımız ve dünya üzerindeki güçlü etkisini göstermektedir. Bu, bizi bu teknolojiye daha derinlemesine dalmaya teşvik etti.
Bu topluluk projeleri, AI teknolojisinin çeşitli endüstrilere getirebileceği sonsuz olasılıkların sadece bir kesitidir. AI ile keşfetmeye ve yenilik yapmaya devam ederken, dünyada olumlu değişim sağlama potansiyelini akılda tutmak önemlidir. Sağlık hizmetlerini iyileştirmek, tarımı geliştirmek veya hatta sanat yaratmak olsun, AI yaşam ve çalışma şeklimizi dönüştürme potansiyeline sahiptir. Bu projelerin, sizi alışılmışın dışında düşünmeye ve AI’nın fark yaratmak için nasıl kullanılabileceğini keşfetmeye ilham vermesini umuyoruz. AI ile mümkün olanın sınırlarını zorlamaya ve birlikte daha iyi bir dünya yaratmaya devam edelim.