Skip to main content

为 Grove Vision AI V2 使用模型

SenseCraft AI 是一个强大的平台，提供了与多种设备兼容的广泛 AI 模型，包括 Grove Vision AI V2。Grove Vision AI V2 是一个综合性的 AI 视觉模块，集成了摄像头、处理器和 AI 功能，使得将计算机视觉应用集成到您的项目中变得简单。在本教程中，我们将指导您如何在 Grove Vision AI V2 上使用 SenseCraft AI 模型并预览模型的输出。我们还将探讨一些关键概念和设置，帮助您理解并优化模型的性能。

前置条件​

在开始之前，请确保您具备以下条件：

  • Grove Vision AI V2：确保您已准备好 Grove Vision AI V2 模块，并将其正确连接到开发板或计算机。

  • OV5647-62 FOV 摄像头模块（适用于 Raspberry Pi 3B+4B）：用于图像输入。

  • USB-C 数据线：您需要一根 USB 数据线将 Grove Vision AI V2 模块连接到计算机，用于编程和供电。

  • 访问 SenseCraft AI 模型库网页：确保您拥有稳定的互联网连接，并能够访问 SenseCraft AI 网站。

Grove Vision AI V2OV5647-62 FOV 摄像头模块
适用于 Raspberry Pi 3B+4B
立即购买 🖱️
立即购买 🖱️

第 1 步：筛选适用于 Grove Vision AI V2 的模型​

打开您的网页浏览器，导航到 SenseCraft AI 模型库。

一键直达 🖱️

模型库页面展示了适用于不同设备和应用的广泛 AI 模型。

在网页左侧边栏，找到 支持的设备 部分。从设备列表中，点击 Grove - Vision AI V2，以筛选与您的特定设备兼容的模型。

此步骤确保您只看到可以部署并运行在 Grove Vision AI V2 模块上的模型。

第 2 步. 选择模型​

在本教程中，我们将以 Person Detection（人检测） 模型为例进行演示。不过，您可以根据自己的兴趣和需求探索并尝试其他模型。

点击 Person Detection 模型以打开其专属页面。

在模型页面上，您将看到有关该模型的详细信息，包括其描述、模型精度和模型格式。

在模型页面上，点击页面顶部的 Deploy Model（部署模型） 按钮。

此操作将启动所选模型的部署过程，准备将其下载并运行在您的 Grove Vision AI V2 模块上。

第 3 步. 连接设备​

部署模型后，点击部署页面下方出现的 Connect Device（连接设备） 按钮。

此时将打开一个新页面，请通过 USB-C 数据线将您的 Grove Vision AI V2 连接到计算机。

在设备连接页面上，您将看到模型信息的摘要，包括其名称和模型 ID。仔细检查这些信息以确保为您的 Grove Vision AI V2 选择了正确的模型。如果信息无误，点击 Confirm（确认） 按钮以继续部署模型。

确认模型信息后，将弹出一个窗口，要求您选择 Grove Vision AI V2 模块的串口。串口是计算机与 Grove Vision AI V2 模块之间的通信通道。选择与您的 Grove Vision AI V2 对应的正确端口号。如果不确定，可以参考操作系统的设备管理器或模块的文档以确定正确的端口。

点击 Connect（连接） 按钮以建立计算机与 Grove Vision AI V2 模块之间的连接。

第 4 步. 上传模型​

连接建立后，所选模型将开始下载到您的 Grove Vision AI V2 模块。模型上传过程可能需要大约 3-5 分钟，具体时间取决于模型的大小和您的网络连接速度。在此步骤中，必要的模型文件和依赖项将被传输到 Grove Vision AI V2 模块，为本地运行 AI 模型做好准备。

第 5 步 模型预览​

在模型上传成功后，预览功能会自动启动。预览窗口将显示来自 Grove Vision AI V2 摄像头的实时视频流，并在视频上叠加模型的检测结果。以人员检测模型为例，您将在视频流中看到围绕检测到的人员绘制的边界框。每个边界框代表模型识别出的一名人员。预览功能允许您实时查看模型的输出，提供关于其性能的即时视觉反馈。

微调模型（可选）​

  1. 如果您希望优化模型性能或使其适应您的特定用例，可以使用预览部分下方提供的选项微调模型的设置。

  2. 您可以调整的两个重要参数是“置信度阈值”和“交并比（IoU）阈值”。

    • 置信度阈值：此值决定模型将检测视为有效所需的最低置信度水平。较高的置信度阈值会减少检测数量，但检测结果的确定性更高；而较低的阈值会允许更多的检测，但可能包括一些误报。
    • IoU 阈值：IoU 是一种度量，用于衡量预测边界框与真实边界框之间的重叠程度。它用于确定目标检测的准确性。IoU 阈值设置了将检测视为真正正例所需的最低 IoU 值。调整此阈值可以帮助微调模型的精确度和召回率。

  3. 尝试不同的置信度阈值和 IoU 阈值，以找到在准确检测人员和最小化误报之间的最佳平衡。最佳设置可能因您的具体应用以及图像或视频流的特性而异。

总结​

恭喜！您已成功在 Grove Vision AI V2 模块上部署了 SenseCraft AI 人员检测模型，预览了其输出，并学习了如何微调模型性能。

通过遵循本教程中概述的步骤，您可以轻松探索和试验 SenseCraft AI 仓库中可用的各种 AI 模型，并将其应用于 Grove Vision AI V2 模块。SenseCraft AI 平台提供了用户友好的界面和广泛的模型选择，使其对初学者和经验丰富的开发者都非常友好。

请记得参考 SenseCraft AI 和 Grove Vision AI V2 模块提供的文档和资源，以获取有关支持的模型、其功能以及任何其他可用配置选项的更多信息。

欢迎探索其他模型，尝试不同的设置，并将其适配到您的特定项目或应用中。SenseCraft AI 与 Grove Vision AI V2 模块的结合为计算机视觉应用打开了无限可能的大门。

祝您在 Grove Vision AI V2 上使用 SenseCraft AI 模型时实验愉快，创作顺利！

技术支持与产品讨论​

感谢您选择我们的产品！我们致力于为您提供多种支持，确保您在使用我们的产品时拥有尽可能顺畅的体验。我们提供多种沟通渠道，以满足不同的偏好和需求。

Loading Comments...