模型案例：| 行李检测模型!-CSDN博客

本文链接：https://blog.csdn.net/x_factory/article/details/142386538

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：| 行李检测模型!

LeYOLO

在深度神经网络应用中，针对嵌入式和移动AI对象检测应用需求不断增加，目前基于FLOP的高效目标检测计算的神经网络架构不能适应轻量级实时目标检测。

针对嵌入式和移动AI对象检测应用对高效计算的需求，提出了LeYOLO模型，该模型通过优化骨干网络、引入快速金字塔结构网络（FPAN）和解耦网络中网络头（DNiN），显著提高了基于YOLO的目标检测模型的效率。

LeYOLO模型在保持高精度（如COCO val上达到38.2% mAP）的同时，大大降低了计算负载（如与YOLOv9-Tiny相比减少42%的FLOP），实现了高效的计算效率。

LeYOLO模型的特点

· 轻量化：在每次浮点运算（FLOP）的准确率方面，LeYOLO与当前最先进的轻量级目标检测神经网络相比，在0.5到8 FLOP(G)范围内实现了最佳准确率；

· 可扩展性：LeYOLO为工业、边缘计算和嵌入式设备提供了一种新的机会，即使用具有最先进扩展效率的轻量级YOLO模型；

· 多种选项：尽管研究侧重于找出精度与计算成本的最佳比例选项，但作者通过研究所有不同选项后提出了不同的替代方案；

· 新架构：LeYOLO模型提出了新的计算高效块，并通过实验进行了验证；

· 高可复现性：研究优先关注改进深度神经网络的架构。使用来自ultralytics API的可重用训练方法来实现结果，state-of-the-art。

LeYOLO提出的架构FPAN和DNiN采用诸如逐点卷积和深度卷积等轻量级操作，构建了一个专门用于目标检测的高效神经网络，其轻量级程度与基于SDDLite的解决方案相当。这在成本-精度比方面开创了新局面。

· 通过构建这些优化，实现了更高效的YOLO缩放，并提出了一系列新的YOLO模型，这些模型在MSCOCO上实现了具有竞争力的mAP分数，同时专注于一系列FLOP资源约束。

行李检测模型

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

应用场景

机场安检：通过图像识别技术，系统可以自动识别行李和其中可能存在的违禁物品，提升安检效率，确保乘客安全。

行李跟踪：在航空公司和物流中心，通过识别行李标签和行李本身的特征，实时跟踪行李在运输过程中的状态，减少丢失和误送概率。

行李领用：在行李提取区域，通过智能摄像头识别旅客的行李，自动匹配到旅客信息，加快行李领取流程。

自动化仓库管理：在物流和仓储行业，通过行李识别算法，优化仓库管理，实现自动化存取和管理，提高效率。

安防监控：在大型公共场所，如车站、商场等，通过行李识别系统，实时监控可疑行李，协助安保人员进行快速响应。

智能客服和导览：在机场或火车站，利用行李识别系统提供个性化服务，如行李寻回、导航等。

物联网（IoT）应用：结合物联网设备，实现智能行李管理，通过识别算法提升行李互动和数据收集能力。

在Grove - Vision AI V2模块上部署此模型

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、在公共AI模型第6列表中找到【行李检测】模型，单击此模型图片，如下图所示。

3、进入【行李检测】模型介绍页面，单击“部署模型”按钮，如下图所示。

进入部署“行李检测”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，完后在预览中即可看到当前摄像头视频内容，在“设置”中调整置信率数值可以提供识别率，将摄像头对准行李相关的图片查看预测效果，如下图所示。

模型推理演示

行李检测报警装置

硬件清单

通过IIC接口将XIAOESP32C3和Grove AI视觉模块V2连接到一起，将蜂鸣器连接到XIAO开发板的D0接口上，上传预测程序后当检测到行李并且置信率大于60，开启蜂鸣器报警，这样就可以设计一个识别行李后并报警的智能装置。下面视频预览如下：

行李检测报警装置

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。

Grove Al视觉模块 V2套装介绍