微控制器板/嵌入式開發板的AI影像辨識福音 – 千元上下且含螢幕的鏡頭模組 HuskyLens

DFRobot公司在kickstarter群眾募資的HuskyLens 可以讓Arduino跟micro:bit做影像辨識及訓練辨識模型

手中有Arduino、micro:bit的使用者想要嘗試AI影像辨識與訓練自己的物體偵測模型,可以參考DFRobot公司在kickstarter募資的HuskyLens,它內建常見的影像演算法如物體辨識及追蹤、臉部辨識、循線、顏色辨識、標籤辨識。想訓練HuskyLens辨識新物件,只需要像相機一樣按下按鈕就可以儲存影像以及框選新物體範圍。其內含的2.0英吋螢幕,用於顯示即時影像及操作介面,讓使用者能選擇要使用的演算法、調整設定、或是確認辨識效果,過程中不需要使用電腦。

作者蔡雨錡
參考網頁https://www.kickstarter.com/projects/1371216747/huskylens-an-ai-camera-click-learn-and-play/description

之前聽過李飛飛教授 TED 上的演講 [1],講述如何教導電腦看懂圖像,他說小嬰兒呱呱墜地後,他們的眼睛就如同生物相機一樣,每 200 毫秒就拍一張照片,蒐集數以百萬計的照片來學習辨識事物的能力。而這篇要介紹的 DFRobot 公司的 HuskyLens 鏡頭模組,有別於一般的相機僅能攝影或錄影,它不需要搭配複雜的演算法便可以透過拍攝的影像來學習,它使用 AI 功能的晶片 Kendryte K210 [2],讓你可以輕鬆的按按鈕拍照來教它認識物體、臉部辨識、以及顏色辨識。而且 HuskyLens 本身有 2.0 英吋的螢幕,可以顯示即時影像確認是否辨識成功及操作介面提供使用者選擇要使用的演算法與調整設定,不需要使用電腦調整任何參數。

依照募資平台釋出的資訊,使用 HuskyLens 內建的多種演算法,除了可以拍照片讓它認識並記錄不同的物體,讓 HuskyLens 從不同角度或不同遠近距離來拍攝同一物體的各種影像,收集越多的影像,它的辨識就會越準確。

HuskyLens 於募資平台上提出的演算法如下:

  • 物體追蹤 Object Tracking
  • 臉部辨識 Face Recognition
  • 物體辨識 Object Recognition
  • 循線 Line Tracking
  • 顏色辨識 Color Recognition
  • 標籤辨識 Tag Recognition

除了擁有上述的多種演算法之外,HuskyLens 同時運行這些演算法,募資平台上也Demo做成一台智能小車,能沿著黑線循線行進之外,還可以辨識行進過程中看到的標籤,並根據標籤類別決定轉向方向。

在硬體規格方面,鏡頭分成200萬像素的基礎版(29 CAD,約 687 NTD)跟500萬像素 (65 CAD,約 1594 NTD)的進階版這兩種。在這樣的像素下能以30 fps的速度來做偵測。HuskyLens 使用UART埠通訊,除了能應用在嵌入式開發板 Raspberry Pi、LattePanda 上之外,也可以用在微控制板 Arduino 跟 micro:bit 上,讓使用者可以不使用複雜程式的情況下,快速且有效的做出各式各樣的作品。其他詳細規格可以參考 HuskyLens 在kickstarter募資的介紹 [3]。

HuskyLens 的功能多到令人心動,看起來可以做很多有趣的專題。是一個性價比相對高且能開發AI互動專案的鏡頭模組,大家有機會可以買來玩玩看!

(上述商品價格按照文章撰寫當下匯率做換算)

圖片來源皆來自於 DFRobot 在 kickstarter 上的群眾募資頁面 [2]

 

參考資料:

[1] 李飛飛教授TED連結

[2] DFRobot 在 kickstarter 上的群眾募資

https://www.kickstarter.com/projects/1371216747/huskylens-an-ai-camera-click-learn-and-play/description

[3] Kendryte K210 on Github

https://github.com/kendryte/kendryte-doc-datasheet/blob/master/en/001.md

[4] ESP32-CAM  on Github

https://github.com/topics/esp32-cam

[5] Pixy/CMUcam 官網

http://www.cmucam.org

[6] JeVois 官網

http://jevois.org

 

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *