成功案例
Raspberry Pi表面裂缝检测：机器视觉智能识别
Naveen Kumar在Edge Impulse Studio中通过迁移学习调整图像模型，并部署到搭载Raspberry Pi CM4的reTerminal，用于混凝土表面裂缝检测与定位。
- 行业
- 建筑与基础设施
- 应用目标
- 混凝土表面裂缝
项目背景与需求
日本工程师Naveen Kumar在reTerminal上部署Edge Impulse和裂缝检测模型，用便携式设备辅助混凝土结构检查、裂缝定位和数据传输。
漏检与一致性
- 人工视觉检查大型结构容易漏掉细小裂缝。
- 温度变化造成材料收缩时，裂缝可能更难观察。
需要支持持续分析的裂缝检测方法。
现场检查流程
- 传统检查依赖专业人员观察并手工记录。
- 该过程成本高、耗时且精度与一致性不足。
需要便携设备显示分析结果并支持数据复制传输。
方案与架构
模型开发
开发者在Edge Impulse Studio选用预训练图像分类模型，通过迁移学习调整模型。
端侧应用
调整后的模型运行在reTerminal的Raspberry Pi CM4上，对混凝土表面裂缝进行实时检测与定位。
方案组件
方案演示
与我们讨论您的应用需求
告诉我们您的需求与部署环境。