ESP ベースのコンピューター ビジョンによる荷物配達の検出

このコンピューター ビジョン プロジェクトを使用して、荷物や箱がいつ玄関先に到着するかを特定します。

電子商取引の拡大により、オンラインで購入し、商品を玄関先に届けてもらう人の数が増え続けています。ただし、この便利さは、盗む可能性も高めます。泥棒は、正当な所有者よりもそのような小包をより迅速に「収集」する場合があるためです。

TinyML を使用したパッケージ配信の監視

荷物の盗難を防ぐために、小包を認識する機械学習モデルを作成するためにEdge Impulseを使用します。モデルは、特に画像認識と音声処理用に作成された エスプレッシフの強力なESP-EYE開発ボードに搭載されます。ESP32チップ、2メガピクセルのカメラ、マイクが搭載されています。ESP-EYE は、8 M バイトの PSRAM と 4 M バイトのフラッシュを備えた十分なストレージを提供します。また、Wi-Fi 経由の画像転送と Micro-USB ポート経由のデバッグもサポートしています。

出荷のライブビデオフィードを正確かつ時間通りに収集するために、ESP-EYE の 2MP カメラを使用します。

機械学習モデルを開発するには、FOMO (Faster Objects, More Objects) を使用します。これは Edge Impulse が開発したアルゴリズムで、マイクロコントローラーでのリアルタイムのオブジェクト検出、追跡、およびカウントを可能にします。FOMO は MobileNet SSD より 30 倍速く、200K 未満の RAM で動作します。

クイックスタート

使用するソフトウェアは、 ESP-EYE 開発ボードとともに、Edge Impulse Studioです。公開プロジェクトはここにあります: Parcel Detection – FOMO。このプロジェクトをアカウントに追加するには、ページの上部にある [Clone this project] をクリックします。次に、ESP-EYE ボードにモデルを展開する方法を学習するために、以下の「Deploying ESP-EYE」セクションに進みます。

または、同様のプロジェクトを作成するには、このEdge Impulse プロジェクトで説明されている特定の手順に従ってください。