Skip to main content

使用 SenseCraft AI 在 SenseCAP A1102 上部署 AI 模型

概述​

SenseCAP A1102 是一款功能强大的传感器设备，结合了先进的 AI 功能和易于部署的特性。本指南将引导您使用 SenseCraft AI 网站在 A1102 上部署官方或自定义 AI 模型，提供配置、部署和测试的分步说明。

在 SenseCAP A1102 上部署 AI 模型

训练和部署您的 AI 模型：为您的 LoRaWAN 摄像头配备自定义或官方 AI 模型，实现实时分析。SenseCAP A1102 提供了将 AI 驱动的洞察引入您应用程序的灵活性。

  • 使用 LoRaWAN 摄像头进行自定义 AI 模型部署

    使用 SenseCAP A1102，您可以训练自己的 AI 模型并将其直接部署到支持 LoRaWAN 的摄像头上。这允许实时目标检测。与 LoRaWAN 的无缝集成确保您的 AI 驱动洞察在现场可访问且可操作。

  • 使用预训练模型或自定义模型

    SenseCAP A1102 支持广泛的预训练 AI 模型，以及使用公开可用或自定义数据集（如 Roboflow Universe 中的数据集）训练自定义模型的能力。这种灵活性使您能够轻松部署专门针对您用例定制的模型。

  • 多样化应用

    SenseCAP A1102 可以部署在各种实际应用中。无论是监测农业中植物叶片的健康状况、检测城市环境中的停车位占用情况，还是跟踪海洋区域中的船只位置，您的 AI 模型都可以适应您的特定需求。

前提条件​

所需硬件​

  • SenseCAP A1102 设备
  • USB Type-C 数据线
  • PC

所需软件​

官方 AI 模型部署流程​

步骤 1. 打开我们的平台并在工作区中选择 A1102​

步骤 2. 通过串口连接到我们的平台​

  • 使用 Type-C 线缆将设备连接到您的 PC（确保您连接到上方的 Type-C 端口，即 Himax 串口，如下图所示）。
  • 点击 Connect
  • 在弹出窗口中选择正确的串口并点击 Connect

如果选择了正确的端口，您将能够通过 Invoke 查看预览视频流，并正常进行模型选择和刷写。

步骤 3. 选择您要部署到设备的 AI 模型​

  • 点击 Select Model

  • 从公共模型或您在 SenseCraft AI 中训练的模型中选择

  • 点击模型后将开始刷写过程

note

您的设备现在正在使用您部署的 AI 模型进行检测并上传结果！请导航到您的 APP 或其他平台查看。

自定义 AI 模型部署流程​

note

我们的 AI 模型可以训练多个类别，但由于识别结果通过 S2100 传输，只有前 9 个类别能够有效支持上报。

步骤 1. 从 Roboflow 获取您的数据集​

  • 如果您想使用自己的图片并标注它们以获取数据集，请导航到 Roboflow 创建一个项目
note

使用自己的图片时，请特别注意标签顺序。 只有前 9 个类别（标签索引 0–8）是有效的，可以被 A1102 识别。 如果您的数据集包含超过 9 个类别，您必须在导出模型之前通过删除其他类别来仅选择所需的九个类别。

步骤 2. 从 Roboflow 导出您的数据集​

  • 点击 Overview 并检查类别
note

显示的类别顺序对应于标签索引顺序。因此，只有前 9 个类别（标签索引 0–8）可以在 A1102 上正确上传为识别结果。 如果您的模型包含超过 9 个类别，您必须通过将数据集克隆到您自己的项目中、删除其他标签，然后重新导出数据集来选择您需要的九个类别。

  • 在项目中，点击 Dataset
  • 点击 Download Dataset
  • 点击 Download Dataset
  • 选择 COCO 和 Show download code，然后点击 Continue
  • 复制 Raw URL，它将在 AI 模型训练过程中使用

步骤 3. 使用数据集训练您的 AI 模型​

  • 按照模型训练快速入门使用您准备的数据集训练您的 AI 模型。

  • 训练完成后，以 .tflite 格式导出训练好的模型，该模型将用于在设备上部署。

步骤 4. 上传并刷写自定义 AI 模型​

  • 打开我们的平台并在工作区中选择 A1102

  • 通过串口连接到我们的平台

  • 使用 Type-C 线缆将设备连接到您的 PC（确保您连接到上方的 Type-C 端口，即 Himax 串口，如下图所示）。

  • 点击 Connect

  • 选择正确的串口并在弹出窗口中点击 Connect

  • 点击 Upload Model

  • 配置您的模型信息

  • Model File：有关训练和导出 TFLite 模型的详细说明，请参考此指南

  • Object：与模型标签顺序对应的类别名称（从 0 到 8）。仅支持最多九个类别——任何额外的类别将不会显示。

  • 点击 Send 并等待刷写过程

在 Seeed Portal 中的结果分析​

  • 第一个值是数据上报时间戳

  • 接下来的九个值表示每个类别索引（从 0 到 8）的置信度分数（measurementValue）。

  • 最后一个值包含模型信息，包括与部署的 AI 模型相关的元数据。

在 TTN 中的结果分析​

  • 每个结果包含 10 个测量值，对应 10 个 RS485 通道。

  • 前九个测量值表示每个类别索引（从 0 到 8）的置信度分数（measurementValue）。

  • 第十个测量值包含模型信息，包括与部署的 AI 模型相关的元数据。

常见问题​

问：我可以上传什么类型的自定义模型？

答：您可以上传扩展名为 .tflite 的模型。您可以按照模型训练快速入门中的说明训练和导出您自己的模型。

技术支持与产品讨论​

感谢您选择我们的产品！我们在这里为您提供不同的支持，以确保您使用我们产品的体验尽可能顺畅。我们提供多种沟通渠道，以满足不同的偏好和需求。

Loading Comments...