模型案例之奶牛识别模型

导读

2023年以ChatGPT为代表的大语言模型横空出世，它的出现标志着自然语言处理领域取得了重大突破。它在文本生成、对话系统和语言理解等方面展现出了强大的能力，为人工智能技术的发展开辟了新的可能性。同时，人工智能技术正在进入各种应用领域，在智慧城市、智能制造、智慧医疗、智慧农业等领域发挥着重要作用。

柴火创客2024年将依托母公司Seeed矽递科技在人工智能领域的创新硬件，与全球创客爱好者共建“模型仓”，通过“SenseCraft AI”平台可以让使用者快速部署应用体验人工智能技术！

本期介绍：模型案例：|奶牛识别模型！

EfficientNet

在开发以卷积神经网络（CNN）为核心的机器学习模型时，为了提供准确率最常见的方法是通过深度或宽度（其实也就是增加channels）来放大卷积网，或是使用分辨率更大的图像进行训练和评估。虽然这些传统方法提高准确率的效果不错，但大多需要繁琐的手动调整，还可能无法达到最佳性能。

如何使深度（更多层）、宽度（更多通道）或更高的图像分辨率达到平衡以获取更好的性能，EfficientNet很好的解决了这个问题。

EfficientNet的核心思想是复合缩放，EfficientNet不是单独增加深度、宽度或分辨率，而是按比例同时扩展这三个方面。

这种平衡的增长使模型能够在不需要不必要的计算的情况下提高准确性，并在不牺牲有效性的情况下最大限度地提高效率。

EfficientNet使用复合缩放方法来按比例平衡深度，宽度和分辨率，提高准确性，同时最大限度地减少资源使用。

EfficientNet-B 0是使用神经结构搜索（NAS）设计的，以优化高精度和低计算成本。

EfficientNet系列（B 0至B7）从B 0向上扩展，与其他型号相比，使用更少的参数和FLOP实现一致的性能改进。

只缩放一维（深度、宽度或分辨率）会导致精度递减; EfficientNet的复合缩放更有效。

在ImageNet上，EfficientNet模型提供了最先进的准确性，计算成本比ResNet和NASNet等替代方案低得多。

EfficientNet也擅长迁移学习。它在CIFAR-10和斯坦福大学汽车等数据集上实现了最佳性能，同时使用的参数减少了9.6倍。

奶牛识别模型

该 AI 模型利用先进的 Swift yolo 算法，专注于奶牛识别，可以在实时视频流中准确检测和标记奶牛。它特别适用于 Seeed Studio Grove Vision AI （V2） 设备。

应用场景

健康监测：通过识别奶牛的行为和生理特征，模型可以识别潜在的健康问题，例如疾病、应激状态或营养不足，及时通知农场主进行干预。

生产性能分析：识别不同奶牛的乳量、乳质和生长状态，帮助农场主分析和优化奶牛的生产性能，从而提高产奶效率和经济效益。

繁殖管理：通过跟踪和分析奶牛的繁殖周期，助农户进行更有效的繁殖管理。

行为识别：监控奶牛的饮食、休息和运动行为，判断其是否处于正常状态，以便采取措施改善其生活环境或饲喂方式。

数据分析与决策支持：基于大量收集到的数据，利用识别模型生成分析报告，辅助农场管理决策，如选种、饲料配比及环境调控等。

智能喂养和自动化管理：识别奶牛个体后，可以实现智能喂养系统，根据每头奶牛的需求进行精准喂养，提高资源利用效率，降低饲养成本。

在Grove-VisionAIV2模块上部署此模型

1、打开SenseCraft AI平台，如果第一次使用请先注册一个会员账号，还可以设置语言为中文。

平台地址：https://sensecraft.seeed.cc/ai/#/model

2、在顶部单击【预训练模型】菜单，在公共AI模型列表8中找到【奶牛检测】模型，单击此模型图片，如下图所示。

3、进入【奶牛检测】模型介绍页面，单击右侧的“部署模型”按钮，如下图所示。

4、进入部署奶牛检测模型页面，按提示步骤先连接摄像头，再连接设备到电脑USB接口上，最后单击【连接设备】按钮，如下图所示。

5、弹出部署模型窗口，单击“确定”按钮，如下图所示。

6、弹出连接到串行端口窗口，选择端口号后单击“连接”按钮，如下图所示。

7、开始进行模型部署、固件下载、设备重启等过程，完成后在预览中即可看到当前摄像头视频内容，将摄像头对准手机中奶牛的图片查看预测效果，如下图所示。

预测效果视频演示

Grove Al视觉模块 V2套装介绍

Grove Al视觉模块 V2

OV5647-62摄像头

Grove - Vision Al Module V2是一款拇指大小的人工智能视觉模块, 配备Himax WiseEye2 HX6538处理器, 该处理器采用 ArmCortex-M55双核架构。

它具有标准的CSI接口, 并与树莓派相机兼容。它有一个内置的数字麦克风和SD卡插槽。它非常适用于各种嵌入式视觉项目。

有了SenseCraft Al算法平台, 经过训练的ML模型可以部署到传感器, 而不需要编码。它兼容XIAO系列和Arduino生态系统, 是各种物体检测应用的理想选择。

Arm Ethos-U55 嵌入式神经网络处理器（NPU）

嵌入式神经网络处理器（NPU）是一种特别设计用于执行神经网络计算的高效率处理器。它主要基于数据驱动并行计算架构，特别擅长处理视频、图像等大量的多媒体数据。NPU模仿了生物神经网络的架构，与CPU、GPU相比，它能够通过更少的指令（一条或几条）完成神经元的处理，因此在深度学习的处理效率方面具有明显优势。

它具有标准的CSI接口, 并与树莓派相机兼容。它有一个内置的数字麦克风和SD卡插槽。它非常适用于各种嵌入式视觉项目。

有了SenseCraft Al算法平台, 经过训练的ML模型可以部署到传感器, 而不需要编码。它兼容XIAO系列和Arduino生态系统, 是各种物体检测应用的理想选择。

主要硬件配置

- 板卡基于WiseEye2 HX6538处理器, 采用双核ARM Cortex-M55架构 。

- 配备集成Arm Ethos-U55微神经网络加速单元, 兼容的树莓派相机

- 板载PDM麦克风, SD卡插槽, Type-C, Grove接口, 丰富的外设支持样机开发 。

- Seeed Studio XIAO的可扩展性, SenseCraft Al的现成AI模型用于无代码部署。

- 支持各种有效的模型, 包括MobilenetV1、MobilenetV2、 Eficientnet-Lite、Yolov5和Yolov8。

写在最后

SenseCraft-AI平台的模型仓数量还很少，但是好消息是它支持自定义模型上传并输出推理结果，平台会逐渐增加模型仓的数量和分享有爱好者设计的模型仓原型，敬请关注！