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:| 玉米病害识别模型!
YOLOv8
YOLOv8 是 ultralytics 公司在 2023 年 1月 10 号开源的 YOLOv5 的下一个重大更新版本,目前支持图像分类、物体检测和实例分割任务,在还没有开源时就收到了用户的广泛关注。
YOLOv8 是一个 SOTA 模型,它建立在以前 YOLO 版本的成功基础上,并引入了新的功能和改进,以进一步提升性能和灵活性。具体创新包括一个新的骨干网络、一个新的 Ancher-Free 检测头和一个新的损失函数,可以在从 CPU 到 GPU 的各种硬件平台上运行。
不过 utralvtics 并没有直接将开源库命名为 YOLOv8,而是直接使用 ultralvtics 这个词,原因是 ultralvtics 将这个库定位为算法框架,而非某一个特定算法,一个主要特点是可扩展性。其希望这个库不仅仅能够用于 YOLO 系列模型,而是能够支持非 YOLO 模型以及分类分割姿态估计等各类任务。
ultralytics 开源库的两个主要优点是:
- 融合众多当前 SOTA 技术于一体
- 未来将支持其他 YOLO 系列以及 YOLO 之外的更多算法
YOLO:简史
YOLO(You Only Look Once)是一种流行的对象检测和图像分割模型,由华盛顿大学的Joseph Redmon和Ai Farhadi开发。
YOLO于2015年推出,以其高速度和高精度迅速走红。
YOLOv2于2016年发布,通过合并批处理规范化、锚盒和维度集群来改进原始型。
2018年推出的YOLOv3使用更高效的骨干网络、多个锚点和空间金字塔池进一步增强了该模型的性能。
YOLOv4于2020年发布,引入了Mosaic数据增强、新的无锚检测头和新的丢失功能等创新。
YOLOv5进一步提高了模型的性能,并添加了超参数优化、集成实验跟踪和自动导出到流行导出格式等新功能。
YOLOv6于2022年由美团开源,目前正在该公司的许多自动配送机器人中使用。
YOLOv7在COCO关键点数据集上添加了额外的任务,如态估计。
YOLOv8是Ultralytics公司推出的YOLO的最新版本。作为一款尖端、最先进的(SOTA)车型,YOLOv8在之前版本的成功基础上,引入了新的功能和改进,以增强性能、灵活性和效率。YOLOv8支持全方位的视觉AI任务包括检测、分割、姿态估计、跟踪和分类。这种多功能性允许用户在不同的应用程序和域中利用YOLOv8的功能。
玉米病害识别模型
玉米是我国主要粮食作物,种植区域广泛,玉米在不同生长阶段都需要进行病虫害防治。
玉米锈病
主要侵害叶片,也为害玉米苞叶和叶鞘,严重时也为害茎秆,田间发病时,先从植株顶部开始向下扩展。发病初期在叶片基部散生淡黄色斑点,后突起形成红褐色疤斑,破裂散出铁锈色粉状夏孢子,后期病斑上生出黑色突起,开裂露出褐黑色冬孢子。发生严重时,叶片上布满孢子堆,造成大量叶片干枯,植株早衰,籽粒不饱满,导致减产,更重时,造成叶片从受害部位折断,全株干枯,减产严重。
玉米纹枯病
从苗期至成株期均可发病。主要为害叶鞘、茎秆、果穗。叶鞘和果穗苞叶发病:产生淡褐色水渍状不规则病斑,病健交界处不明显,病斑后扩展融合成云纹状大病斑,中部灰褐色,边缘深褐色,由下向上蔓延扩展。严重时根茎基部组织变为灰白色,次生根黄褐色或腐烂。多雨、高湿持续时间长时,病部长出稠密的白色菌丝体,菌丝进—步聚集成多个菌丝团,形成小菌核。病株茎秆松软,组织解体。为害苞叶,症状同茎秆。
该模型用于对玉米锈病和玉米纹枯病两种病害的识别,采用MobileNetV2卷积神经网络,生成TensorFlow Lite INT8格式文件。
通过在田间部署传感器和摄像头,结合玉米病害识别模型,实时监测玉米田的健康状况,帮助农民及时发现病害并采取相应措施。
模型文件下载
玉米病害识别Lite(INT8)类型模型文件,请在网盘中下载此模型
https://share.weiyun.com/ByVA4WJK
在XIAOESP32S3Sense上部署此模型
- 打开SenseCraft AI,地址:SenseCraft AI (seeed-studio.github.io)
2、准备硬件,安装XIAOESP32S3摄像头扩展板,使用数据线一头连接到XIAO ESP32S3 Sense开发板,另一头连接到电脑的USB接口上,如下图所示。
- 打开SenseCraft模型助手网站,单击右上角的“连接”按钮,填充串口连接窗口后点击“连接”按钮,如下图所示。
当“连接”变成红色的“断开连接”按钮时,表示连接成功了,如下图所示。
3、接着在“可用的AI模型”列表中向下拉动列表,找到“上传自定义AI模型”按钮,并单击此按钮,如下图所示。
4、弹出“自定义AI模型”窗口,填写模型名称、添加下载的模型文件、单击“新增物体”设置2个识别标签(注意2个标签的名称顺序不能写错,分别是gall(蚜虫)和redspider(红蜘蛛)),填写完成后单击“发送模型”按钮,如下图所示。
5、等待几秒钟上传成功后,这时会出现摄像头实时预览窗口并推理出结果,如下图所示。
XIAO ESP32S3 Sense 套装介绍
XIAO ESP32S3(Sense)
强大的 MCU 板:集成ESP32S3 32 位双核 Xtensa 处理器芯片,运行频率高达 240 MHz,安装多个开发端口,支持 Arduino/MicroPython
高级功能:可拆卸OV2640相机传感器,分辨率为1600*1200,兼容OV5640相机传感器,集成附加数字麦克风
超强内存,带来更多可能性:提供 8MB PSRAM 和 8MB 闪存,支持 SD 卡插槽,用于外部 32GB FAT 内存
出色的射频性能:支持2.4GHz Wi-Fi和BLE双无线通信,连接U.FL天线时支持100m+远程通信
拇指大小的紧凑型设计:21 x 17.5mm,采用XIAO的经典外形,适用于可穿戴设备等空间有限的项目
来自 SenseCraft Al 的用于无代码部署的预训练 Al 模型
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,敬请关注!