Seeed Studio Logo
  • 首页
  • 产品中心
  • 解决方案
  • 软件
  • 定制服务

关于我们

  • 公司介绍
  • 联系我们
  • 新闻动态

服务

  • 产品中心
  • 解决方案
  • 定制服务
  • 购买渠道

资源

  • Wiki
  • 产品目录
  • 视频中心

客户服务

  • 深圳市南山区西丽街道曙光社区TCL国际E城G3栋901
  • 0755-86095676(公司总台)
  • 0755-86163976(业务合作)
  • iot@seeed.cc
添加企业微信
Add as a preferred source on Google
2008-2026 矽递科技股份有限公司版权所有。粤ICP备13058720号

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。

Raspberry Pi表面裂缝检测:机器视觉智能识别
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

  • reTerminal ↗

方案演示

探索关联方案

  • 场景 · 工业视觉质检 →
  • 浏览全部方案 →

与我们讨论您的应用需求

告诉我们您的需求与部署环境。