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：| 辣椒炭疽病识别模型！
YOLO11
2024 年 9 月 30 日，Ultralytics 在其活动 YOLOVision 中正式发布了 YOLOv11。YOLOv11 是 YOLO 的最新版本，由美国和西班牙的 Ultralytics 团队开发。YOLO 是一种用于基于图像的人工智能的计算机模型。
OLO11 是Ultralytics YOLO 系列实时物体检测器的最新版本，以尖端的精度、速度和效率重新定义了可能性。基于先前 YOLO 版本的令人印象深刻的进步，YOLO11 在架构和训练方法方面引入了重大改进，使其成为各种计算机视觉任务的多功能选择。
Key Features 主要特点
增强的特征提取：YOLO11采用改进的主干和颈部架构，增强了特征提取能力，以实现更精确的目标检测和复杂任务性能。
针对效率和速度进行优化：YOLO11 引入了精致的架构设计和优化的训练管道，提供更快的处理速度并保持准确性和性能之间的最佳平衡。
使用更少的参数获得更高的精度：随着模型设计的进步，YOLO11m 在 COCO 数据集上实现了更高的平均精度(mAP)，同时使用的参数比 YOLOv8m 少 22%，从而在不影响精度的情况下提高计算效率。
跨环境适应性：YOLO11可以无缝部署在各种环境中，包括边缘设备、云平台以及支持NVIDIA GPU的系统，确保最大的灵活性。
支持的任务范围广泛：无论是对象检测、实例分割、图像分类、姿态估计还是定向对象检测 (OBB)，YOLO11 旨在应对各种计算机视觉挑战。
与之前的版本相比，Ultralytics YOLO11 有哪些关键改进？
Ultralytics YOLO11 与其前身相比引入了多项重大进步。主要改进包括：
增强的特征提取：YOLO11采用改进的主干和颈部架构，增强了特征提取能力，以实现更精确的目标检测。
优化的效率和速度：精细的架构设计和优化的训练管道可提供更快的处理速度，同时保持准确性和性能之间的平衡。
使用更少的参数获得更高的精度：YOLO11m 在 COCO 数据集上实现了更高的平均精度(mAP)，参数比 YOLOv8m 少 22%，从而在不影响精度的情况下提高计算效率。
跨环境适应性：YOLO11可以跨各种环境部署，包括边缘设备、云平台和支持NVIDIA GPU的系统。
支持的任务范围广泛：YOLO11 支持多种计算机视觉任务，例如对象检测、实例分割、图像分类、姿态估计和定向对象检测 (OBB)。
辣椒炭疽病识别模型
近年来，随着AI技术的快速发展，辣椒病害检测与分类技术取得了显著进展。通过利用图像处理技术、机器学习算法和深度学习模型，可以实现对辣椒病害的自动识别、分类和预警，为农业生产提供了有力的技术支撑。
辣椒病害种类繁多，按病因可分为真菌性病害、细菌性病害、病毒性病害和生理性病害等。这些病害在辣椒的生长周期中均可能发生，对辣椒的产量和品质造成严重影响。
炭疽病是一种严重危害辣椒产量的真菌病害。印度作为曾经的辣椒出口和生产大国，近年来因炭疽病的肆虐而遭受重创，产量大幅下降，导致其全球排名从首位跌至第三位。此外，多项研究也证实，炭疽病在全球范围内对辣椒产业造成了10%-55%的产量损失，严重威胁着辣椒生产的稳定性和可持续性。。
辣椒炭疽病检测数据集
数据集下载地址
https://www.kaggle.com/datasets/prudhvi143413s/anthracnose-disease-in-chilli-mobile-captured在Grove-Vision AIV2模块上训练和部署模型
SenseCraft Al平台提供和简单、方便的AI模型训练和部署功能，可以让技术小白也能快速进行特定场景的AI模型训练和部署。
1、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，在顶部菜单栏单击【模型训练】选项，如下图所示。
平台地址：https://sensecraft.seeed.cc/ai/#/model
2、进入【模型训练】页面后单击左侧的【分类识别类别】选项，如下图所示。
3、单击Class1和Class2右边的修改分类名称图标，修改两个类别名称为Anthracnose（炭疽病）和Healthy（健康）两个图像分类类别；单击右边的【...】图标，单击【导入图片】如下图所示。
4、打开导入图像窗口，将下载好的辣椒数据集中的【Anthracnose】文件夹中的图片导入到“Anthracnose”类别中，将【Healthy】文件夹中的图片导入到“Healthy”类别中，这样就导入了一定数量的数据集，如下图所示。
5、接着进行第二步：模型训练，先选中“Grove（V2）”然后单击【开始训练】按钮，如下图所示。经过一段时间的训练后，即可生成辣椒炭疽病图像识别模型。
6、第三步是部署，先选中“Grove（V2）”选项，单击【部署到设备】如下图所示，按提示连接Grove vision AI V2硬件后开始进行模型部署。
7、部署完成后进入工作窗口，这时会打开摄像头预览功能，对准辣椒炭疽病图像，预览窗口底部会看到预测的类别名称和置信率，如下图所示。
推理结果演示
Grove Al视觉模块 V2套装介绍
Grove Al视觉模块 V2
OV5647-62摄像头
Grove - Vision Al Module V2是一款拇指大小的人工智能视觉模块, 配备Himax WiseEye2 HX6538处理器和Arm Ethos-U55嵌入式神经网络加速单元（NPU）, 该处理器采用 ArmCortex-M55双核架构。
Arm Ethos-U55 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。
它具有标准的CSI接口, 并与树莓派相机兼容。它有一个内置的数字麦克风和SD卡插槽。它非常适用于各种嵌入式视觉项目。
有了SenseCraft Al算法平台, 经过训练的ML模型可以部署到传感器, 而不需要编码。它兼容XIAO系列和Arduino生态系统, 是各种物体检测应用的理想选择。
主要硬件配置
- 板卡基于WiseEye2 HX6538处理器, 采用双核ARM Cortex-M55架构
- 配备集成Arm Ethos-U55嵌入式神经网络处理器（NPU）, 兼容的树莓派相机
- 板载PDM麦克风, SD卡插槽, Type-C, Grove接口, 丰富的外设支持样机开发
- Seeed Studio XIAO的可扩展性, SenseCraft Al的现成AI模型用于无代码部署。
- 支持各种有效的模型, 包括MobilenetV1、MobilenetV2、 Eficientnet-Lite、Yolov5和Yolov8.
写在最后
SenseCraft-AI平台的模型仓数量还很少，但是好消息是它支持自定义模型上传并输出推理结果，平台会逐渐增加模型仓的数量和分享爱好者设计的模型仓原型，敬请关注！
粉丝福利
扫码领取
Grove Al 视觉模块 V2 模块
优惠券
首单 113 元 ！
即可体验模型仓中的各种模型
本文图片素材来源于网络，如有侵权后台联系删除！
往期模型案例回顾
新一代信息技术赋能｜人才升级｜产业创新
Seeed Studio物联网设备试用中心落地柴火！
Chaihuo x.factory｜深圳，河北
