边缘计算 为什么用 特点:太阳能电池板 性能 部署
本项目应用YOLOv5、ConvNeXt等人工智能深度学习和边缘计算等技术对农村环境综合治理,对垃圾桶状态、粮食杂物堆占道、水库附近可疑人物等进行记录并实时警报。同时记录事件发生的时间地点等,实现大数据可视化展示,即时信息反馈。此外,项目还集成对环卫工人及水库管理人员的管理、考勤等功能。通过消融实验使模型有高性能同时具备边缘计算设备的低功耗、低成本、易部署、高扩展等特点,改善环境问题的处理流程并促进农村环境的美化与整洁。
Jetson Nano 4GB
- 性能:472 GFLOPS
预计: FPS 23
Yolov5-Lite
- 15.6 GFLOPS
ConvNeXt-Tiny
- 4.5 GFLOPS
python -m torch.distributed.run --nproc_per_node 2 train.py --batch 60 --data cleaner.yaml --img 1280 --epochs 350 --weights yolov5s6.pt --device 0,1 --hyp hyp.custom.yaml
Image Size | Batch | GPUs | Memory Allocated |
---|---|---|---|
1280 | 50 | 2 | 18/24 20/24 |
1280 | 60 | 2 | 23/24 23/24 |
1280 | 60 | 3 | |
640 | 64 | 2 |
python train.py --epochs 10 --data cleaner.yaml --weights v22-1280-midterm.pt --cache --evolve 400