Bundle (Pack)
Descripción
Con TinyML funcionando directamente en la Terminal Wio alimentada por ATSAMD51, podemos entrenar un modelo de aprendizaje automático en patrones de distancia para reconocer cuándo las personas se mueven dentro o fuera de una habitación.
Con un poco de programación adicional para llevar la cuenta, y usando el WiFi y Bluetooth a bordo del Terminal Wio, podemos construir fácilmente una aplicación conectada a la nube para monitorear la ocupación de la habitación de forma remota con plataformas IoT como Azure IoT Central.
Característica
Alimentado por TinyML, entrena el modelo de aprendizaje automático en patrones de distancia
Construya el sistema y aprenda TinyML fácilmente con el tutorial paso a paso
Plug and Play Grove Sensores
Recopile los datos a través de Edge Impulse
Utilice el ejemplo de inferencia continua para asegurarse de que no se pierda ningún dato importante.
Almacene los datos de ocupación de la habitación en la nube y visualícelos EN EL PC
Conéctese a Azure IoT Central, vea los comentarios detallados del progreso en Serial Terminal
Descripción
Un guardabosques ultrasónico ordinario puede medir fácilmente los cambios en la distancia a los obstáculos, pero ¿qué pasa con las tareas complejas del mundo real como el conteo de personas?
Bueno, con TinyML funcionando directamente en el Terminal Wio alimentado por ATSAMD51, ¡podemos entrenar un modelo de aprendizaje automático en patrones de distancia para reconocer cuándo las personas se mueven dentro o fuera de una habitación!
Con un poco de programación adicional para llevar la cuenta, y usando el WiFi y Bluetooth a bordo del Terminal Wio, ¡podemos construir fácilmente una aplicación conectada a la nube para monitorear la ocupación de la habitación de forma remota con plataformas IoT como Azure IoT Central!
El sensor de distancia ultrasónico es un transductor ultrasónico que utiliza ondas ultrasónicas para medir la distancia. Puede medir de 3cm a 350cm con una precisión de hasta 2mm. Podemos utilizar el sensor ultrasónico para determinar la dirección de los objetos. ¿Qué pasa si desea entrenar un modelo para detectar la entrada y la salida de la habitación? Vamos a crear un nuevo proyecto en Panel de control y Prepárate para obtener los datos. Para recopilar los datos, dado que no necesitamos una frecuencia de muestreo muy alta, podemos usar una herramienta de reenvío de datos de edge-impulse-cli. Cargue el script ei_people_counter_data_collection.ino (por favor Y cargue el script en el artículo) en Wio Terminal: Para obtener más información sobre cómo configurar edge-impul-cli y el Protocolo de reenvío de datos, vea el primer video de la serie TinyML.
Para su aplicación, es posible que deba establecer este valor más bajo o más alto, dependiendo de la configuración. Entonces comienza a caminar.
Inferencia continua
También podemos usar un ejemplo de inferencia continua para asegurarnos de que no nos falta ningún dato importante. ClonarY abiertoPeople_contando_continious.inoBoceto con Arduino IDE, cambie el nombre de la Biblioteca Edge Impulse a uno que coincida con el nombre de su proyecto, elija Wio Terminal como su placa, instaleY carga el boceto.
Integración central de Azure IoT
¡Su modelo funciona! Sin embargo, no es adecuado para aplicarlo en el mundo real sin visualización. Agreguemos dos elementos para convertirlo en una aplicación completa: UnGUI simpleYCarga de datos a la nubeCon bonitos gráficos. UsaremosPara crear la interfaz gráfica de usuario yServicio para el envío de datos y visualización. Es mucho más divertido y útil combinar el trabajo conjunto de Azure y Edge Impulse.
COMPARTIDO POR USUARIOS
