Jetson Nano平台下的AI送餐系统设计

为提升餐厅送餐系统的智能化程度,依托NVIDIA Jetson Nano b01的ROS移动机器人平台,设计用于室内餐厅的AI送餐软件系统。该系统基于轻量级深度学习框架Darknet,采用C++和Python进行系统编程,包含控制器、语音、运动控制和AI视觉处理4个模块。通过语音启动送餐机器人,在识别顾客订餐信息二维码后,自主导航至目标餐桌进行送餐。同时,基于YOLOv3-tiny深度学习对送餐沿途上的人物进行视觉识别,当识别到顾客时语音播报欢迎词。实验结果表明,该系统能有效完成送餐任务,二维码识别时间约0.003s,人物识别准确率高达99%以上。系统能够自动进行语音启动和播报,设计方案合理有效,可为AI送餐领域提供参考与借鉴。

基于机器视觉和轻量级卷积网络的安瓿瓶包装质量检测算法

针对人工检测安瓿瓶包装质量时存在的速度慢以及受主观因素影响导致的准确率低等问题,提出一种机器视觉和轻量级卷积神经网络结合的安瓿瓶包装质量检测方法。首先,采用机器视觉中基于阈值分割以及仿射变换的方法对待测图片进行阈值处理、倾斜校正和安瓿瓶区域的裁剪;然后,根据图像特点以及缺陷识别要求设计分类算法的网络结构;最后,采集生产现场图片构建安瓿瓶包装缺陷数据集,之后对提出的安瓿瓶包装缺陷识别网络进行了验证,并测试了部署在Jetson Nano嵌入式平台上的算法的准确率及检测速度。实验结果表明:以每盒五支装的产品为例,所提安瓿瓶包装质量检测算法平均每盒耗时70.1 ms,即可达14盒/秒,而准确率为99.94%,能够实现在Jetson Nano嵌入式平台上的在线高精度安瓿瓶包装质量检测。

基于树莓派4B及Jetson Nano的多路音频采集传输系统

为解决多路音频信号的采集传输及后续信息处理问题,研究一种高性能前端与嵌入式AI后端相结合的系统设计。硬件设计方面,前端采用树莓派4B及6麦克的环形麦克风阵列实现采集及预处理,并通过Wi-Fi进行语音传输;后端处理采用Jetson Nano模块,作为实现语音处理的嵌入式AI平台。软件设计方面,采用C/S架构,进行Linux下的C++编程,其中树莓派作为服务器,实现麦克风信号的采集、编码和网络传输;Jetson Nano模块作为客户机,实现网络通信及实时语音处理功能。测试结果表明,多声道音频处理系统运行稳定,架构合理,具有良好的工程应用潜力。