Grove Vision AI V2 图像处理模块开箱测评

Grove Vision AI 模块会本地处理图像并执行模型推理，然后将结果通过 IIC 或 UART 发送到 XIAO。XIAO 需要接收并解析来自 Grove Vision AI 的数据，根据这些结果执行相应的操作，如控制 LED、驱动电机或触发其他外设。这使得 XIAO 成为系统的执行单元，响应 Grove Vision AI 传递的检测结果。

2.SenseCraft 部署模型

2.1 SenseCraft 平台简介

Seeed SenseCraft Model Assistant（或简称 SSCMA）是一个专注于嵌入式 AI 的开源项目。针对真实场景优化了 OpenMMLab 的优秀算法，使实现更加人性化，在嵌入式设备上实现更快、更准确的推理。

目前支持以下方向的算法：

SenseCraft AI 提供了无缝且用户友好的体验，可以帮助用户轻松地将大量公开可用的 AI 模型部署到他们的边缘设备上。

2.2 部署流程

使用 USB 链接模块和电脑，然后在 SenseCraft 网站上进行部署：

2.3 预览模型识别效果

2.4 SenseCraft 平台优势

降低 AI 入门门槛：SenseCraft 的平台设计简化了 AI 模型开发的复杂性，使得初学者也能快速上手
广泛的硬件兼容性：支持多种 Seeed 硬件产品，用户可以根据项目需求选择适合的设备
边缘计算：本地推理能力减少了对网络的依赖，提高了应用的实时性和安全性

2.5 石头剪刀布分类模型测试

上代码

#include <Seeed_Arduino_SSCMA.h>

SSCMA AI;

void setup()

{

    AI.begin();

    Serial.begin(9600);

}

void loop()

{

    if (!AI.invoke())

    {

        Serial.println("invoke success");

        Serial.print("perf: prepocess=");

        Serial.print(AI.perf().prepocess);

        Serial.print(", inference=");

        Serial.print(AI.perf().inference);

        Serial.print(", postpocess=");

        Serial.println(AI.perf().postprocess);

        for (int i = 0; i < AI.boxes().size(); i++)

        {

            Serial.print("Box[");

            Serial.print(i);

            Serial.print("] target=");

            Serial.print(AI.boxes()[i].target);

            Serial.print(", score=");

            Serial.print(AI.boxes()[i].score);

            Serial.print(", x=");

            Serial.print(AI.boxes()[i].x);

            Serial.print(", y=");

            Serial.print(AI.boxes()[i].y);

            Serial.print(", w=");

            Serial.print(AI.boxes()[i].w);

            Serial.print(", h=");

            Serial.println(AI.boxes()[i].h);

        }

        for (int i = 0; i < AI.classes().size(); i++)

        {

            Serial.print("Class[");

            Serial.print(i);

            Serial.print("] target=");

            Serial.print(AI.classes()[i].target);

            Serial.print(", score=");

            Serial.println(AI.classes()[i].score);

        }

        for (int i = 0; i < AI.points().size(); i++)

        {

            Serial.print("Point[");

            Serial.print(i);

            Serial.print("] target=");

            Serial.print(AI.points()[i].target);

            Serial.print(", score=");

            Serial.print(AI.points()[i].score);

            Serial.print(", x=");

            Serial.print(AI.points()[i].x);

            Serial.print(", y=");

            Serial.println(AI.points()[i].y);

        }

    }

}

接下来我们对代码进行简单分析：

先导入库函数 <Seeed_Arduino_SSCMA.h>
- SSCAM 库的主要目的是处理 Grove Vision AI 的数据流，而不涉及模型推理或图像处理。
初始化部分：
- SSCMA AI;：创建一个名为 AI 的 SSCMA 对象，用于与 Grove Vision AI 进行通信。
- void setup()：在 setup() 函数中，首先使用 AI.begin() 初始化 Grove Vision AI 模块。然后，通过 Serial.begin(9600) 初始化串口通信，以便将结果输出到串口监视器。
主循环：
- void loop()：loop() 函数会反复执行，主要用来不断调用 Grove Vision AI 进行推理，并输出结果。
- if (!AI.invoke())：调用 AI.invoke() 进行推理，如果推理成功（即 invoke() 返回 false），则开始处理推理结果。
- 性能信息输出：
  - AI.perf()：获取推理过程的性能信息，包括预处理（prepocess）、推理（inference）和后处理（postprocess）的时间。
- 检测框输出：
  - AI.boxes()：获取推理结果中的所有检测框，并循环输出每个检测框的信息，包括目标、得分、位置（x, y）和大小（w, h）。
- 分类结果输出：
  - AI.classes()：获取推理结果中的所有分类信息，并循环输出每个分类的信息，包括目标和得分。
- 关键点输出：
  - AI.points()：获取推理结果中的所有关键点信息，并循环输出每个关键点的信息，包括目标、得分和位置（x, y）。

2.6 串口输出消息解析

invoke success：这行表明 AI.invoke() 方法调用成功，即图像识别过程已经完成。

perf: prepocess=7, inference=80, postpocess=0：这行显示了识别过程中的三个关键性能指标：

Box[0] target=1, score=81, x=209, y=161, w=63, h=114：这行表示检测到的第一个边界框（box）的信息：

网站链接：

SenseCraft 平台：https://sensecraft.seeed.cc/ai/#/model
官方网址：https://wiki.seeedstudio.com/cn/grove_vision_ai_v2/

SenseCraft 部署模型到Grove Vision AI V2图像处理模块的更多相关文章

经典分类CNN模型系列其五：Inception v2与Inception v3
经典分类CNN模型系列其五:Inception v2与Inception v3 介绍 Inception v2与Inception v3被作者放在了一篇paper里面,因此我们也作为一篇blog来对其 ...
SSIS2012 项目部署模型
SSIS 2012 支持两种部署模型:项目部署模型和包部署模型. 使用项目部署模型可以将项目部署到 Integration Services 服务器,使用包部署模型可以将单独的包部署到Integrat ...
SSIS 项目部署模型
微软 BI 系列随笔 - SSIS 2012 基础 - SSIS 项目部署模型关于部署 SSIS 2012 支持两种部署模型:项目部署模型和包部署模型. 使用项目部署模型可以将项目部署到 Integ ...
如何将同一云服务下的虚拟机从经典部署模型迁移到 Azure Resource Manager
适用场景用户希望将特定云服务下的所有虚拟机从经典部署模型(以下简称:ASM)迁移到 Azure Resource Manager(以下简称:ARM). Note 如果云服务下使用 VNET 也希望将 ...
如何将同一 VNET 下的虚拟机从经典部署模型迁移到 Azure Resource Manager
本文内容适用场景解决方案适用场景用户拥有多个云服务但是在同一个 VNET 下,希望将这些虚拟机从经典部署模型(以下简称:ASM)迁移到 Azure Resource Manager(以下简称: ...
将 ExpressRoute 线路从经典部署模型转移到 Resource Manager 部署模型
本文概述将 Azure ExpressRoute 线路从经典部署模型转移到 Azure Resource Manager 部署模型的效果. Azure 当前使用两种部署模型:Resource Mana ...
SSIS教程：创建简单的ETL包 -- 6. 对项目部署模型使用参数（Using Parameters with the Project Deployment Model）
在本课中,将修改在第 5 课: 添加包部署模型的包配置中创建的包,以便使用项目部署模型.您将使用一个参数替换该配置值,以便指定示例数据位置.还可以复制本教程附带的已完成的 Lesson 5 包. 使用 ...
SSIS教程：创建简单的ETL包 -- 5. 添加包部署模型的包配置（Adding Package Configurations for the Package Deployment Model）
包配置允许您从开发环境的外部设置运行时属性和变量. 配置允许您开发灵活且易于部署和分发的包.Microsoft Integration Services 提供了以下配置类型: XML 配置文件环境变 ...
使用 Azure PowerShell 将 IaaS 资源从经典部署模型迁移到 Azure Resource Manager
以下步骤演示了如何使用 Azure PowerShell 命令将基础结构即服务 (IaaS) 资源从经典部署模型迁移到 Azure Resource Manager 部署模型. 也可根据需要通过 Az ...
规划将 IaaS 资源从经典部署模型迁移到 Azure Resource Manager
尽管 Azure 资源管理器提供了许多精彩功能,但请务必计划迁移,以确保一切顺利进行. 花时间进行规划可确保执行迁移活动时不会遇到问题. Note 以下指导的主要参与者为 Azure 客户顾问团队,以 ...

随机推荐

关于 Jupyter Nbconvert 自定义 LaTeX 模板，中文兼容与格式设置，从 Notebook 构建 LaTeX PDF 文档
目录为什么会有这篇随笔的内容? 简述一下我遇到的问题 Nbconvert 转换 .ipynb 文件的基本方法 Jupyter Nbconvert 构建中文 \(\LaTeX\) 文档的痛点 Jupy ...
机器学习（一）——递归特征消除法实现SVM（matlab）
机器学习方法对多维特征数据进行分类:本文用到非常经典的机器学习方法,使用递归特征消除进行特征选择,使用支持向量机构建分类模型,使用留一交叉验证的方法来评判模型的性能. 构建模型:支持向量机(Suppo ...
Electron 的安装
背景因为搞嵌入式开发的时候,每次烧写不同版本的固件的时候,经常需要重命名,有时候烧错版本我也不知道: 因此我认为对固件的管理比较麻烦,所以我希望能够有一个比较好的工具来做管理,找了一圈没有发现合适的 ...
QT学习：07 字符编码的问题
--- title: framework-cpp-qt-07-字符编码的问题 EntryName: framework-cpp-qt-07-char-coding date: 2020-04-13 1 ...
莫名其妙的bug——Segmentation fault
vscode出现Segmentation fault异常,但是没有问题报错(如上) 先说原因:cout << dp[m]; m没有输入,一个空定义(空指针) 难受啊,有一次cf因为这个bu ...
yb课堂实战之首页banner轮播图和视频详情接口开发《四》
开发轮播列表接口 VideoMapper.xml <?xml version="1.0" encoding="UTF-8" ?> <!DOCT ...
RK3588开发笔记（四）：基于定制的RK3588一体主板升级镜像
前言方案商定制的主板,加入了360°环视算法功能,涉及到了一些库的添加,重新制作了依赖库的镜像,镜像更新的原来的板子上. 定制的板子升级接口type-c 设计接口是type-c, ...
Pytorch功能库留存
初始化首先,介绍我们导入的包和基础的网络结构 import torch import torch.nn as nn #可替代网络结构部分 ''' 神经网络类的定义 1. 输入卷积: in_chann ...
[oeasy]python0111_字型码_字符字型编码_点阵字库_ascii演化
编码进化回忆上次内容上次回顾了早期的英文字符点阵最小的 3*5 通用的 5*7 点阵字库逐渐规范化添加图片注释,不超过 140 字(可选) 这些点阵字符的字型究竟是 ...
[oeasy]python0018_ ASCII_字符分布_数字_大小写字母_符号_黑暗森林
打包和解包回忆上次内容 decode 就是解码解码和编码可以转化 encode 编码 decode 解码互为逆过程大小写字母之间序号全都相差(32)10进制编辑这是 ...

SenseCraft 部署模型到Grove Vision AI V2图像处理模块

Grove Vision AI V2 图像处理模块开箱测评

摘要

原文链接：

往期推荐：

更多精彩内容可看：

正文部分

1.硬件设备介绍