Raspberry Pi ترافیک را با هوش مصنوعی برای بهبود برنامه ریزی شهری و موارد دیگر رصد می کند

نظارت بر ترافیک یک ابزار مفید برای چند صنعت است، از برنامه ریزی شهری گرفته تا ایستگاه های خبری یا هر کسی که به معیارهای مختلف مورد استفاده برای نظارت بر جریان ترافیک علاقه مند است.

امروز، ما یک پروژه Raspberry Pi از سازنده‌ای به نام Naveen در Hackster دریافت کرده‌ایم که با کمک Raspberry Pi CM4 یک سیستم نظارت بر ترافیک ایجاد کرده است. Pi در این پروژه با BrainChips Akida Dev Kit کار می‌کند. آن همه چیزهایی را که Naveem برای ثبت تصاویر از فید ترافیک ویدیویی نیاز داشت تا سیستم هوش مصنوعی ارزیابی کند، دارد.

داده ها را می توان بعداً ذخیره کرد یا در زمان واقعی در دسترس قرار داد. Naveem پیشنهاد می‌کند که این می‌تواند برای کسب‌وکارها و سازمان‌های دولتی که نیاز به نظارت بر الگوهای ترافیکی دارند مفید باشد.

کیت Akida Dev دارای یک PCB سفارشی با یک پردازنده عصبی است. اگر در مورد محاسبات نورومورفیک چیزی نشنیده اید، این یک روش طراحی برای سخت افزار و نرم افزار است که از ساختارهایی شبیه آنچه در داخل مغز می بینید استفاده می کند.

این PCB اضافی مسئول برداشتن مقداری از بار عملکردی PI است. این کیت خاص دارای ماژول محاسبه Raspberry Pi 4 با 8 گیگابایت رم و پشتیبانی بی سیم است.

این کیت همچنین شامل یکی از PCB های آکیدا PCIe از BrainChip است. اینها را می توان به صورت جداگانه با قیمت 499 دلار خریداری کرد، اما برد در این مورد بخشی از کیت توسعه دهنده Raspberry Pi CM4 بود. می‌توانید اطلاعات بیشتری درباره برد PCIe Akida در وب‌سایت BrainChip بخوانید.

نسخه نمایشی نظارت بر ترافیک با استفاده از ویدیویی از Pexels ایجاد شد که اتومبیل‌ها را در حال عبور از یک تقاطع نشان می‌داد. با استفاده از پایتون، یک اسکریپت سفارشی ایجاد شد که هر پنجمین فریم را به عنوان یک تصویر می گیرد. سپس از این تصاویر برای آموزش هوش مصنوعی نظارت بر ترافیک با استفاده از Edge Impulse Studio استفاده شد.

Edge Impulse Studio یکی از پروژه های Raspberry Pi با پتانسیل فراوان برای اصلاح داده،البته با توجه به نوع داده های ترافیکی است که باید جمع آوری شود.

شما می توانید نسخه ی نمایشی را در هکستر مشاهده کنید.