{"id":4415,"date":"2023-07-26T14:29:47","date_gmt":"2023-07-26T14:29:47","guid":{"rendered":"https:\/\/picockpit.com\/raspberry-pi\/?p=4415"},"modified":"2023-10-02T12:51:55","modified_gmt":"2023-10-02T12:51:55","slug":"paragon-project-deep-learning-work-assistant","status":"publish","type":"post","link":"https:\/\/picockpit.com\/raspberry-pi\/de\/paragon-project-deep-learning-work-assistant\/","title":{"rendered":"Paragon-Projekt: Deep Learning Arbeitsassistent"},"content":{"rendered":"
\"\"<\/figure>\n\n\n\n

Wenn es um Produktivit\u00e4t geht, haben T\u00fcftler Mikroprozessoren und Mikrocontroller auf vielf\u00e4ltige Weise eingesetzt. <\/p>\n\n\n\n

Dieser Deep Learning-Arbeitsassistent ist jedoch eines der kreativsten Projekte, die wir seit langem gesehen haben!<\/p>\n\n\n\n

Dieses Projekt, das von Benjamin von der WIZnet-Macher<\/a>nehmen alle 5 Sekunden Fotos auf und lesen sie dann durch KI, um Arbeitsmuster zu erkennen.<\/p>\n\n\n\n

Benjamin hat das Modell darauf trainiert, einige der vielen Situationen zu erkennen, denen wir alle bei der Arbeit begegnen. Es erkennt, ob man sich normal oder schl\u00e4frig f\u00fchlt oder ob man g\u00e4hnt. Noch wichtiger ist, dass es durch Scannen Ihres Gesichts erkennen kann, ob Sie abgelenkt sind und sogar, ob Sie Ihr Handy benutzen.<\/p>\n\n\n\n

Mit all diesen Informationen k\u00f6nnen Sie feststellen, wie produktiv Sie wirklich sind!<\/p>\n\n\n\n

Hardware<\/h2>\n\n\n\n

F\u00fcr Hardware w\u00e4hlte Benjamin ein modifizierter Raspberry Pi Pico-Klon<\/a> die von WIZnet zusammen mit einer Arducam herausgegeben wird. <\/p>\n\n\n\n

Sie k\u00f6nnten aber auch einen normalen Raspberry Pi Pico mit einer anderen Kamera verwenden.<\/p>\n\n\n\n

Je nachdem, wie schnell Sie es haben wollen, sollten Sie au\u00dferdem pr\u00fcfen, was ein Google Koralle<\/a> um dieses Rennen blitzschnell zu machen!<\/p>\n\n\n

\n
\"\"
Kredit: Benjamin bei WIZnet Makers<\/figcaption><\/figure>\n<\/div>\n\n\n

Aber mit einem Mikrocontroller und einer Kamera hast du auf jeden Fall genug, um zumindest eine modifizierte Form dieses Projekts zu entwickeln.<\/p>\n\n\n\n

Meiner Erfahrung nach ist es oft das, was so etwas so spannend macht: Das Mischen und Kombinieren von Hardware kann oft zu neuen Ergebnissen und Nebenprojekten f\u00fchren!<\/p>\n\n\n\n

Software<\/h2>\n\n\n\n

Da er sich auf CircuitPython verl\u00e4sst, war Benjamin so freundlich, den Code f\u00fcr dieses Projekt auf GitHub<\/a>. Sobald Sie diesen Code auf Ihrem Pico installiert haben, sollte alles funktionieren.<\/p>\n\n\n\n

Der Code st\u00fctzt sich auf das Nanomodell von Ultralytik YOLOv8<\/a>das ein \"Echtzeit-Objekterkennungs- und Bildsegmentierungsmodell\" ist. Wenn Sie an der Modellstruktur von YOLOv8 im Allgemeinen interessiert sind, finden Sie sie hier hier<\/a>.<\/p>\n\n\n\n

In der Zwischenzeit hat mein Kollege Nathan einen gro\u00dfartigen Beitrag \u00fcber Deep Learning geschrieben, falls Sie mehr dar\u00fcber erfahren m\u00f6chten hier<\/a>.<\/p>\n\n\n

\n
\"\"
Kredit: Ultralytik<\/a>.<\/figcaption><\/figure>\n<\/div>\n\n\n

Mit dem Nano-Modell von YOLOv8 l\u00e4sst Benjamin alles durch eine Flask-Anwendung laufen, um die Echtzeit-Informationen auszuspucken, w\u00e4hrend es den Arbeitsablauf einer Person verfolgt.<\/p>\n\n\n\n

Probieren Sie es selbst aus und sehen Sie, ob Sie Ihre eigenen Arbeitsmuster erkennen k\u00f6nnen!<\/p>\n\n\n\n

Zumindest wird dieser Deep-Learning-Arbeitsassistent dazu beitragen, meine lebenslange Frage zu beantworten: Wie oft muss ich vor meiner dritten Tasse Kaffee g\u00e4hnen?<\/p>\n\n\n\n

Mehr Paragon Projekte finden Sie hier<\/a>.<\/p>\n\n\n\n

Was w\u00fcrden Sie mit einem solchen Arbeitsassistenten machen?<\/p>\n