登录社区云，与社区用户共同成长
邀请您加入社区
本项目开发了一种基于英特尔开发套件 - AlxBoard的计算机视觉和深度学习技术的茶叶病虫害监测物联网系统。系统预装了英特尔OpenVINO™工具套件，通过连接摄像头实时捕捉茶叶叶片的图像，并利用预先训练好的深度学习模型对图像进行分析，实现对茶叶病虫害的自动识别和分类。
在该项目中，我们基于AlxBoard为硬件基础实现了Java在 Ubuntu 22.04 系统上成功使用OpenVINO™ Java API，并且成功运行了RT-DETR模型，后续我还会将继续使用 OpenVINO™ Java API 在 英特尔开发套件 AlxBoard 部署更多的深度学习模型。
本文章将从零开始带你用英特尔开发套件+OpenVINO做视频流检测
本文详细介绍了在英特尔开发套件上从零开始搭建ROS2+OpenVINO的开发环境的过程，大体步骤是系统安装，驱动安装，ROS2、OpenVINO等软件安装。同时介绍了ROS2编译和简单的测试，OpenVINO模型下载步骤及测试。在开发工具上，介绍了VSCode和NoMachine等软件，都能很大程度上方便开发者进行开发和研究。希望本文能对有ROS2+OpenVINO环境搭建需求的人有所帮助。
CODESYS是一款工业自动化领域的一款开发编程系统(CODESYS是Code System的简写)，应用领域涉及工厂自动化、汽车自动化、嵌入式自动化、过程自动化和楼宇自动化等等。CODESYS软件可以分为两个部分，一部分是运行在各类硬件中的RTE（Runtime Environment），另一部分是运行在PC机上的IDE。因此CODESYS的用户既包括生产PLC、运动控制器的硬件厂商，也包括最终
最近人工智能领域最火爆的话题非chatGPT以及最新发布的GPT-4模型莫属了。这两个生成式AI模型在问答、搜索、文本生成领域展现出的强大能力，每每让使用过它们的每个用户瞠目结舌、感叹不已。说到以上这两个GPT模型，相信大家也听说过、它们的 “超能力”来自于它们自身的超大模型尺寸，每运行一次AI推理都需要巨大的算力在背后来做支持，显然在本地设备上要运行这样的超大模型是不太可能的。
在英特尔开发套件上用OpenVINO加速YOLOv8分类模型》介绍了在英特尔开发套件上使用OpenVINO™ 开发套件部署并测评YOLOv8的分类模型，本文将介绍在英特尔开发套件上使用OpenVINO™加速YOLOv8目标检测模型请先下载本文的范例代码仓，并搭建好YOLOv8的OpenVINO推理程序开发环境。
在英特尔开发套件上用OpenVINO加速YOLOv8目标检测模型》介绍了在英特尔开发套件上使用OpenVINO™ 开发套件部署并测评YOLOv8的目标检测模型，本文将介绍在英特尔开发套件上使用OpenVINO™加速YOLOv8-seg实例分割模型。请先下载本文的范例代码仓，并搭建好YOLOv8的OpenVINO推理程序开发环境。1.2 导出YOLOv8-seg 实例分割OpenVINO IR模型Y
本项目旨在探索和实现利用和对麦克纳母轮小车的精确控制。麦克纳母轮小车以其灵活的移动能力和广泛的应用前景在机器人领域受到广泛关注，目前作为创新动手平台，已广泛应用于各大中小学以及中。基于英特尔®N5105处理器的是一款功能强大的小型计算机，专为支持入门级边缘人工智能应用程序和设备而设计。无论是在人工智能学习、开发还是实训等应用场景下，它都能完美胜任。NI LabVIEW则是一款图形化编程环境，以其直
本文章将依次介绍如何将Pytorch自训练模型经过一系列变换变成OpenVINO IR模型形式，而后使用OpenVINO Python API 对IR模型进行推理，并将推理结果通过OpenCV API显示在实时画面上。本文Python程序的开发环境是Ubuntu20.04 LTS + PyCharm，硬件平台是AIxBoard™爱克斯板开发者套件。本文项目背景：针对2023第十一届全国大学生光电设
经过5年的发展，Intel OpenVINO已经在人工智能视觉分析领域获得了广泛的应用。近年来，基于深度学习和神经网络的人工智能在视觉，音频，自然语言等多个领域取得了广泛成功。在时间序列信号分析方面，深度学习也体现出优于传统分析方法特性。本文希望通过模拟高速公路网的通行速度实时预测的案例，介绍如何基于OpenVINO和英特尔开发套件搭建时间序列信号收集，存储和分析的解决方案。
作者：英特尔物联网行业创新大使 杨雪锋。
本文详细介绍了在英特尔开发者套件上从零开始搭建Anomalib+ OpenVINO开发环境的全过程，借助OpenVINO Notebooks和Anomalib Notebooks的范例程序，可以快速学习OpenVINO和Anomalib的使用。
英特尔开发套件，板载8G内存，64GB存储，WiFi6千兆无线网卡，CPU+iGPU异构计算，还有一个M.2插槽支持可扩展硬盘。搭载的Intel Celeron N5105是Jaser Lake系列的四核处理器，被定位为嵌入式CPU，不管是性能，还是功耗，散热都做的非常不错。在测试中，内置的集成显卡可以在U2-Net模型的加速推理时间缩短近10倍，FPS也提高了近10倍。然而GPU利用率才50%左
在该项目中，我们基于Ubutn 20.04 系统，成功实现了在C#环境下调用OpenVINO™部署深度学习模型，验证了在Linux环境下OpenVINOSharp项目的的可行性，这对后面在Linux环境下开发OpenVINOSharp具有很重要的意义
Anomalib 是一个深度学习库，旨在收集最先进的异常检测算法，以便在公共和私有数据集上进行基准测试。Anomalib 提供了近期文献中描述的异常检测算法的几种即用型实现，以及一套便于开发和实现自定义模型的工具。该库重点关注基于图像的异常检测，算法的目标是识别异常图像或数据集中图像的异常像素区域。
本文将以训练一个眼部追踪AI 小模型为背景，介绍从 Pytorch 自定义网络模型，到使用 OpenVINO™ NNCF 量化工具优化模型，并部署到英特尔开发套件的流程。
在无人机巡检建模中，SLAM算法需要提供可靠的位姿估计以知晓机体的位移和在地图中的位置，这需要跟踪线程尽可能快地处理传感器数据，即消息帧的处理频率要尽可能高。在本次测试中，我们在AIxBoard上运行了SLAM算法，在双目相机以约30 Hz的频率拍摄的情况下，追踪线程的平均处理速度能达到29.69 Hz，说明可以程序可以稳定地处理所有到来的双目图像。
本文章将在《自训练Pytorch模型使用OpenVINO优化并部署在英特尔开发套件》文章的基础上进行扩展，将介绍如何使用OpenVINO Python API对YOLOv5模型进行优化以及部署，完成YOLOv5目标检测任务。
OpenVINO+MediaPipe实现基于手势互动的场景文字识别
本文旨在帮助开发者快速将OpenAI*的热门NLP模型Whisper部署至英特尔® 开发套件艾克斯开发板上，由于开发板内存有限，所以我们选择较轻量化的Base Whisper模型通过OpenVINO™工具套件进行AI推理部署。由于声音处理应用的广泛性，开发者可以基于本项目继续进行AI应用的顶层开发。
本文介绍了时间序列数据分类模型IncpetionTime的基本结构，使用来自UCR时序数据集的Wafer分类任务训练了InceptionTime模型，并通过OpenVINO™将模型部署在英特尔开发套件开发板上，实现了实时时序数据分类任务。希望通过本文的启发，大家能够在项目中使用OpenVINO和英特尔开发套件解决更多的时间序列分析问题。
在该项目中，基于 C# 和 OpenVINO™ 联合部署 PP-YOLOE 行人检测模型、dark_hrnet 人体关键点识别模型以及 ST-GCN 行为识别模型，实现行人摔倒检测。
在该项目中，我们基于 Ubutn 20.04系统，成功实现了在 C# 环境下调用 OpenVINO™ 部署深度学习模型，验证了在 Linux 环境下 OpenVINO™ C# API 项目的的可行性，这对后面在 Linux 环境下开发 OpenVINO™ C# API 具有很重要的意义。
本文演示了使用 OpenVINO 与 Chinese-Clip 进行中文图文相似性匹配任务：CLIP模型以自监督的方式在数亿或数十亿（图像，文本）对上进行训练，它从输入图像和文本中提取特征向量embedding，根据特征相似度匹配可完成图像分类和相似查找任务。CLIP模型的zero-shot分类效果就能达到在Imagenet上监督训练的ResNet分类效果，且有更好的泛化和抽象能力。
AIxBoard™爱克斯板开发者套件是一款功能强大的小型计算机，专为支持入门级边缘人工智能应用程序和设备而设计。无论是在人工智能学习、开发还是实训等应用场景下，它都能完美胜任。
公共安全问题日益凸显，传统安检手段面临挑战。为提高安检效率和保障公共安全，基于OpenVINO和AIxBoard的智能安检盒子应运而生。利用深度学习模型和X光图像处理技术，该设备能够实时识别危险物品并发出警报，为公共场所、机场等场景提供高效、准确的安检解决方案
英特尔开发者套件AIxBoard是一款IA架构的人工智能嵌入式开发板，体积小巧功能强大。借助OpenVINOTM工具套件，CPU和iGPU都具备较为理想的AI推理能力。我司将AIxBoard与触摸屏及自研的AI视觉软件集成在一起，做成了Rosmart AI质检一体机，实物图如下所示。基于 OpenVINO™ 打造一站式光学字符识别 & 检测大师（OCR-Master）英特尔开发者套件 + Open
在工程和学习中推荐使用NNCF等OpenVINO工具来优化模型，从而在不损失精度的前提下提高推理性能，更好的服务于场景使用。
AIxBoard
——AIxBoard
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
英特尔开发套件专区
