\n
Tal vez pueda interesarte proyectos en arduino, pic, rob\u00f3tica, telecomunicaciones, suscribete en\u00a0http:\/\/www.youtube.com\/user\/carlosvolt?sub_confirmation=1<\/a>\u00a0mucho videos con c\u00f3digo fuentes completos y diagramas<\/p>\n En este art\u00edculo, veremos un tutorial a\u00fan m\u00e1s simple de principio a fin utilizando la biblioteca Micro TensorFlow Lite y el\u00a0sensor de proximidad y color\u00edmetro\u00a0<\/span>Arduino Nano 33 BLE Sense<\/span><\/a>\u00a0para clasificar objetos.\u00a0Para hacer esto, ejecutaremos una peque\u00f1a red neuronal en el tablero mismo.\u00a0<\/span><\/p>\n La filosof\u00eda de TinyML es hacer m\u00e1s en el dispositivo con menos recursos, en factores de forma m\u00e1s peque\u00f1os, menos energ\u00eda y silicio de menor costo.\u00a0Ejecutar inferencias en la misma placa que los sensores tiene beneficios en t\u00e9rminos de privacidad y duraci\u00f3n de la bater\u00eda y significa que se puede hacer independientemente de una conexi\u00f3n de red.\u00a0<\/span><\/p>\n El hecho de que tengamos el sensor de proximidad en el tablero significa que obtenemos una lectura instant\u00e1nea de la profundidad de un objeto frente al tablero, en lugar de usar una c\u00e1mara y tener que determinar si un objeto es de inter\u00e9s a trav\u00e9s de la visi\u00f3n artificial.\u00a0<\/span><\/p>\n En este tutorial, cuando el objeto est\u00e1 lo suficientemente cerca, tomamos muestras del color: el sensor RGB incorporado se puede ver como una c\u00e1mara de color de 1 p\u00edxel.\u00a0Si bien este m\u00e9todo tiene limitaciones, nos proporciona una forma r\u00e1pida de clasificar objetos solo con una peque\u00f1a cantidad de recursos.\u00a0Tenga en cuenta que podr\u00eda ejecutar un\u00a0<\/span>modelo de visi\u00f3n<\/span><\/a>\u00a0completo\u00a0basado en CNN<\/a>\u00a0en el dispositivo.\u00a0Como esta placa Arduino en particular incluye un color\u00edmetro a bordo, pensamos que ser\u00eda divertido e instructivo comenzar de esta manera.<\/span><\/p>\n Mostraremos una aplicaci\u00f3n TinyML de extremo a extremo simple pero completa que se puede lograr r\u00e1pidamente y sin un fondo profundo en ML o incrustado.\u00a0Lo que cubrimos aqu\u00ed es la captura de datos, la capacitaci\u00f3n y la implementaci\u00f3n del clasificador.\u00a0Se pretende que sea una demostraci\u00f3n, pero hay margen para mejorar y aprovechar esto si decide conectar una c\u00e1mara externa en el futuro.\u00a0Queremos que tenga una idea de lo que es posible y un punto de partida con las herramientas disponibles.<\/span><\/p>\n<\/a><\/div><\/div>\n
\n