導(dǎo)讀

2023年以ChatGPT為代表的大語言模型橫空出世，它的出現(xiàn)標(biāo)志著自然語言處理領(lǐng)域取得了重大突破。它在文本生成、對(duì)話系統(tǒng)和語言理解等方面展現(xiàn)出了強(qiáng)大的能力，為人工智能技術(shù)的發(fā)展開辟了新的可能性。同時(shí)，人工智能技術(shù)正在進(jìn)入各種應(yīng)用領(lǐng)域，在智慧城市、智能制造、智慧醫(yī)療、智慧農(nóng)業(yè)等領(lǐng)域發(fā)揮著重要作用。

柴火創(chuàng)客2024年將依托母公司Seeed矽遞科技在人工智能領(lǐng)域的創(chuàng)新硬件，與全球創(chuàng)客愛好者共建“模型倉”，通過“SenseCraft AI”平臺(tái)可以讓使用者快速部署應(yīng)用體驗(yàn)人工智能技術(shù)！

本期介紹：

模型評(píng)估（Evaluation）

深度學(xué)習(xí)廣泛應(yīng)用于圖像識(shí)別、語音識(shí)別、自然語言處理等多個(gè)領(lǐng)域。模型通過大量數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，能夠自動(dòng)提取數(shù)據(jù)中的特征，并基于這些特征進(jìn)行預(yù)測(cè)和分類。如何準(zhǔn)確評(píng)估這些模型的性能，確保它們?cè)趯?shí)際應(yīng)用中能夠表現(xiàn)出色，就需要依賴于模型評(píng)估這一關(guān)鍵環(huán)節(jié)。

模型評(píng)估

模型評(píng)估（Evaluation）是指對(duì)訓(xùn)練完成的模型進(jìn)行性能分析和測(cè)試的過程，以確定模型在新數(shù)據(jù)上的表現(xiàn)如何。

在模型評(píng)估中，通常會(huì)將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。

訓(xùn)練集（Training Set）：用于模型學(xué)習(xí)的數(shù)據(jù)集，通過不斷調(diào)整參數(shù)來最小化訓(xùn)練誤差。

驗(yàn)證集（Validation Set）：在訓(xùn)練過程中用于評(píng)估模型性能，以選擇最佳參數(shù)和避免過擬合的數(shù)據(jù)集。

測(cè)試集（Test Set）：模型訓(xùn)練完成后，用于評(píng)估模型泛化能力的獨(dú)立數(shù)據(jù)集。

為什么需要模型評(píng)估？

衡量模型性能:通過評(píng)估模型在測(cè)試集或驗(yàn)證集上的性能指標(biāo),如準(zhǔn)確率、召回率、F1得分等,可以了解模型的預(yù)測(cè)能力和泛化能力,判斷模型是否滿足預(yù)期需求。

比較不同模型:模型評(píng)估可以幫助我們比較不同算法或超參數(shù)配置下訓(xùn)練的模型,選擇最優(yōu)的模型進(jìn)行部署。

診斷模型問題:評(píng)估結(jié)果可以幫助我們識(shí)別模型存在的問題,如過擬合、欠擬合、類別不平衡等,從而針對(duì)性地優(yōu)化模型。

監(jiān)控模型性能:在模型投入實(shí)際使用后,持續(xù)的模型評(píng)估可以檢測(cè)模型性能是否發(fā)生變化,及時(shí)發(fā)現(xiàn)并解決問題。

模型選擇:在有多個(gè)可選模型的情況下,評(píng)估結(jié)果可以為最終選擇最優(yōu)模型提供依據(jù)。

評(píng)估指標(biāo)

模型評(píng)估指標(biāo)是用于量化模型在處理數(shù)據(jù)時(shí)表現(xiàn)的指標(biāo)。它們幫助我們理解模型的性能、準(zhǔn)確度和泛化能力，并且可以用于比較不同模型之間的優(yōu)劣。

分類任務(wù)的評(píng)估指標(biāo)包括準(zhǔn)確率（Accuracy）、精確率（Precision）、召回率（Recall）和F1分?jǐn)?shù)（F1 Score）等。

準(zhǔn)確率（Accuracy）

定義：準(zhǔn)確率是最直觀也最常被提及的評(píng)估指標(biāo)之一，它衡量的是模型預(yù)測(cè)正確的樣本數(shù)占總樣本數(shù)的比例。

計(jì)算公式：準(zhǔn)確率 = (真正例 + 真負(fù)例) / (真正例 + 假正例 + 真負(fù)例 + 假負(fù)例)

精確率（Precision）

定義：精確率是指模型預(yù)測(cè)為正例中真正是正例的比例，它反映了模型預(yù)測(cè)為正例的結(jié)果的可信度。

計(jì)算公式：精確率 = 真正例 / (真正例 + 假正例)

召回率（Recall）

定義：召回率，也稱為靈敏度（Sensitivity）或真正例率（True Positive Rate），是指模型在所有實(shí)際為正類的樣本中，被正確預(yù)測(cè)為正類的樣本的比例。它反映了模型捕獲正類樣本的能力。

計(jì)算公式：召回率 = 真正例 / (真正例 + 假負(fù)例)

F1分?jǐn)?shù)（F1 Score）

定義：F1分?jǐn)?shù)是精確率和召回率的調(diào)和平均數(shù)，旨在綜合兩者的表現(xiàn)，提供一個(gè)平衡指標(biāo)。

計(jì)算公式：F1分?jǐn)?shù) = 2 * (精確率 * 召回率) / (精確率 + 召回率)

綿羊檢測(cè)模型

該 AI 模型利用先進(jìn)的 Swift yolo 算法，專注于綿羊識(shí)別，可以在實(shí)時(shí)視頻流中準(zhǔn)確檢測(cè)和標(biāo)記綿羊。它特別適用于 Seeed Studio Grove Vision AI （V2） 設(shè)備，提供高兼容性和穩(wěn)定性。

應(yīng)用場(chǎng)景

智慧牧場(chǎng)管理

- 數(shù)量統(tǒng)計(jì)：對(duì)牧場(chǎng)綿羊數(shù)量進(jìn)行精準(zhǔn)統(tǒng)計(jì)，避免人工遺漏或計(jì)算錯(cuò)誤。

- 行為監(jiān)測(cè)：監(jiān)控綿羊的行為和活動(dòng)軌跡，發(fā)現(xiàn)異常行為（比如長時(shí)間靜止、生病狀態(tài)等）。

- 位置追蹤：實(shí)時(shí)定位綿羊位置，防止走失或逃逸，幫助大規(guī)模放牧管理。

- 疾病檢測(cè)：結(jié)合圖像或行為數(shù)據(jù)，識(shí)別生病或受傷的綿羊，及時(shí)進(jìn)行干預(yù)。

生態(tài)保護(hù)與自然監(jiān)測(cè)

- 野生種群保護(hù)：監(jiān)測(cè)野生綿羊種群的分布及數(shù)量變化，為生態(tài)保護(hù)提供科學(xué)數(shù)據(jù)。

- 生態(tài)影響評(píng)估：統(tǒng)計(jì)綿羊活動(dòng)對(duì)草場(chǎng)和生態(tài)環(huán)境的影響，優(yōu)化自然資源管理。

- 物種遷徙監(jiān)測(cè)：追蹤野生綿羊的遷徙行為，研究群體生態(tài)模式。

草場(chǎng)資源管理

- 載畜量評(píng)估：通過檢測(cè)綿羊數(shù)量和分布，分析草場(chǎng)的資源承載能力。

- 牧草分布規(guī)劃：將綿羊檢測(cè)與草場(chǎng)狀況結(jié)合，優(yōu)化放牧路線和資源利用，防止草地退化。

在Grove-VisionAIV2模塊上部署此模型

1、打開SenseCraft AI平臺(tái)，如果第一次使用請(qǐng)先注冊(cè)一個(gè)會(huì)員賬號(hào)，還可以設(shè)置語言為中文。

平臺(tái)地址：https://sensecraft.seeed.cc/ai/#/model

2、在頂部單擊【預(yù)訓(xùn)練模型】菜單，在公共AI模型列表7中找到【綿羊檢測(cè)】模型，單擊此模型圖片，如下圖所示。

3、進(jìn)入【綿羊檢測(cè)】模型介紹頁面，單擊右側(cè)的“部署模型”按鈕，如下圖所示。

4、進(jìn)入部署綿羊檢測(cè)模型頁面，按提示步驟先連接攝像頭，再連接設(shè)備到電腦USB接口上，最后單擊【連接設(shè)備】按鈕，如下圖所示。

5、彈出部署模型窗口，單擊“確定”按鈕，如下圖所示。

6、彈出連接到串行端口窗口，選擇端口號(hào)后單擊“連接”按鈕，如下圖所示。

7、開始進(jìn)行模型部署、固件下載、設(shè)備重啟等過程，完成后在預(yù)覽中即可看到當(dāng)前攝像頭視頻內(nèi)容，將攝像頭對(duì)準(zhǔn)綿羊的圖片查看預(yù)測(cè)效果，如下圖所示。

預(yù)測(cè)效果視頻演示

Grove Al視覺模塊 V2套裝介紹

Grove Al視覺模塊 V2

OV5647-62攝像頭

Grove - Vision Al Module V2是一款拇指大小的人工智能視覺模塊, 配備Himax WiseEye2 HX6538處理器, 該處理器采用 ArmCortex-M55雙核架構(gòu)。

它具有標(biāo)準(zhǔn)的CSI接口, 并與樹莓派相機(jī)兼容。它有一個(gè)內(nèi)置的數(shù)字麥克風(fēng)和SD卡插槽。它非常適用于各種嵌入式視覺項(xiàng)目。

有了SenseCraft Al算法平臺(tái), 經(jīng)過訓(xùn)練的ML模型可以部署到傳感器, 而不需要編碼。它兼容XIAO系列和Arduino生態(tài)系統(tǒng), 是各種物體檢測(cè)應(yīng)用的理想選擇。

Arm Ethos-U55 嵌入式神經(jīng)網(wǎng)絡(luò)處理器（NPU）

嵌入式神經(jīng)網(wǎng)絡(luò)處理器（NPU）是一種特別設(shè)計(jì)用于執(zhí)行神經(jīng)網(wǎng)絡(luò)計(jì)算的高效率處理器。它主要基于數(shù)據(jù)驅(qū)動(dòng)并行計(jì)算架構(gòu)，特別擅長處理視頻、圖像等大量的多媒體數(shù)據(jù)。NPU模仿了生物神經(jīng)網(wǎng)絡(luò)的架構(gòu)，與CPU、GPU相比，它能夠通過更少的指令（一條或幾條）完成神經(jīng)元的處理，因此在深度學(xué)習(xí)的處理效率方面具有明顯優(yōu)勢(shì)。

它具有標(biāo)準(zhǔn)的CSI接口, 并與樹莓派相機(jī)兼容。它有一個(gè)內(nèi)置的數(shù)字麥克風(fēng)和SD卡插槽。它非常適用于各種嵌入式視覺項(xiàng)目。

有了SenseCraft Al算法平臺(tái), 經(jīng)過訓(xùn)練的ML模型可以部署到傳感器, 而不需要編碼。它兼容XIAO系列和Arduino生態(tài)系統(tǒng), 是各種物體檢測(cè)應(yīng)用的理想選擇。

主要硬件配置

- 板卡基于WiseEye2 HX6538處理器, 采用雙核ARM Cortex-M55架構(gòu) 。

- 配備集成Arm Ethos-U55微神經(jīng)網(wǎng)絡(luò)加速單元, 兼容的樹莓派相機(jī)

- 板載PDM麥克風(fēng), SD卡插槽, Type-C, Grove接口, 豐富的外設(shè)支持樣機(jī)開發(fā) 。

- Seeed Studio XIAO的可擴(kuò)展性, SenseCraft Al的現(xiàn)成AI模型用于無代碼部署。

- 支持各種有效的模型, 包括MobilenetV1、MobilenetV2、 Eficientnet-Lite、Yolov5和Yolov8。

寫在最后

SenseCraft-AI平臺(tái)的模型倉數(shù)量還很少，但是好消息是它支持自定義模型上傳并輸出推理結(jié)果，平臺(tái)會(huì)逐漸增加模型倉的數(shù)量和分享有愛好者設(shè)計(jì)的模型倉原型，敬請(qǐng)關(guān)注！