模型案例：| 工人安全帽识别模型

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：| 工人安全帽识别模型

神经网络输出层的作用

上期模型案例文章中，介绍了神经网络分为：输入层、隐藏层、输出层。本期重点介绍输出层的作用。

输出层的作用

神经网络的输出层是神经网络中最后一层，其输出是神经网络对于输入数据的预测或分类结果。输出层的设计需要根据具体的任务进行调整，以适应不同的应用场景。

在分类任务中，输出层通常采用 Softmax 函数来计算每个类别的概率分布。具体来说，对于一个 k 类分类问题，输出层的神经元数量应该为 k，每个神经元对应着一个类别，其输出值表示该类别的概率。Softmax 函数可以将神经元的输出值归一化为概率分布，使得每个类别的概率值都在 0 到 1 之间，并且总和为 1。

在回归任务中，输出层通常只有一个神经元，其输出值表示对于输入数据的预测值。例如，在预测房价的问题中，输出层的神经元数量为 1，其输出值表示对于输入数据的房价预测值。

在神经网络的训练过程中，输出层的输出与真实值之间的误差是神经网络的损失函数。训练过程的目标是最小化损失函数，以使得神经网络对于输入数据的预测结果与真实值之间的误差最小化。

神经网络只能有一个输出层，它是神经网络中最后一层，其输出是神经网络对于输入数据的预测或分类结果。输出层的设计需要根据具体的任务进行调整。在分类任务中，输出层通常采用 Softmax 函数来计算每个类别的概率分布；在回归任务中，输出层通常只有一个神经元，其输出值表示对于输入数据的预测值。输出层的输出与真实值之间的误差是神经网络的损失函数，训练过程的目标是最小化损失函数。

FOMO安全帽识别

FOMO(Faster Objects, More Objects) 是由 Edgeimpulse 工程师提出的一种轻量级的目标检测模型，其主要特点是模型非常小，计算量也很小，表现出来就是速度非常快，精度也不错。

FOMO 的优点是速度快，缺点是精度不高，但是在一些对精度要求不高的场景下，FOMO 是一个不错的选择。

该模型主要利用FOMO模型进行目标识别，可以快速识别出1个或多个目标，此模型可用于工厂、工地等施工单位的工人安全帽识别。

安全帽识别模型的应用场景

安全帽主要用于防止重物坠落、撞击或其他意外事故对头部造成的伤害，能够有效降低受伤风险。是施工单位工人重要的安全防护装置，但是一些个人忽视安全防护的意识，在施工中不佩戴安全帽造成安全隐患，除了人为监督外，利用视觉识别手段可以自动识别安全帽的佩戴情况，并对没有佩戴安全帽的行为提示报警改正行为。

保护头部安全：安全帽主要用于防止重物坠落、撞击或其他意外事故对头部造成的伤害，能够有效降低受伤风险。

提高安全意识：佩戴安全帽提示工人关注安全规范，培养良好的安全习惯和意识，从而减少违规行为。

符合法规要求：许多国家和地区法律、法规要求在施工现场佩戴安全帽，遵守这一规定是保证施工合法性的基础。

识别模型文件下载

请在网盘中下载识别模型

https://share.weiyun.com/pgcoQfrF

SenseCraft AI 平台介绍

SenseCraft AI 平台是一个专注于人工智能技术和应用的综合性平台，致力于帮助企业和个人实现智能化应用。该平台提供了多种人工智能算法和模型，包括人脸识别、猫狗识别、姿态估计、对象检测等经典模型，可以让使用者快速应用和部署AI模型并输出预测结果。

SenseCraft AI 平台经过不断的改进和迭代，现已推出新的功能并进行了全新的页面改版，新的应用平台启动新的网址：https://sensecraft.seeed.cc/ai/#/model

在Grove - Vision AI V2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、准备Grove - Vision AI V2硬件，并提前安装好摄像头，使用Type-C数据线连接设备到电脑的USB接口上，如下图所示。

1. 将鼠标移动到【设备工作空间】菜单上，在弹出的下拉菜单中单击“Grove - ViSion AI V2”选项，如下图所示。

1. 在左上角下拉框中选择“Grove - ViSion AI V2”，然后单击“连接”按钮，如下图所示。

1. 弹出连接串口窗口，选择随机分配的串口号并单击【连接】按钮，如下图所示。

1. 在模型选区中，可以看到当前已经部署的模型名称，单击【上传自定义模型】按钮，如下图所示。

1. 弹出“上传自定义模型”窗口，按顺序填写模型名称、添加模型文件，添加ID对象的名称后，单击【发送】按钮，如下图所示。注意：ID对象的名称不能填错，不然识别信息就是错误的结果。

1. 开始进行模型部署、固件下载、设备重启等过程，完后在预览中即可看到当前摄像头视频内容，将摄像头对准工人佩戴安全帽的图片查看预测效果，如下图所示。

1. 模型推理演示

安全帽识别模型

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。

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，敬请关注！