快轉到主要內容

智慧辨識新突破!NanoOWL 圖像辨識實驗在 EPC-R7300 的創新應用

· loading
作者
Advantech ESS
目錄

你有沒有想過,工廠現場的安全帽、人員行動,甚至特殊物件,都能即時自動被 AI 辨識、紀錄和追蹤?這不是科幻,而是 Advantech 團隊正在努力實現的嶄新技術!這次,我們把目光聚焦在「NanoOWL」影像辨識技術,並在高效能嵌入式平台 EPC-R7300 上展開一連串的實驗。讓我們一起揭開這項技術的神秘面紗,看看它如何為產業帶來全新價值!


背景與技術概述:什麼是 NanoOWL?為什麼它值得關注?
#

隨著 AI 與邊緣運算(Edge AI)的興起,越來越多企業希望能在現場即時分析圖像、辨識場景,減少資料傳輸延遲、提升反應速度。這裡,「NanoOWL」就是一項專為嵌入式設備設計的智慧圖像辨識技術。搭配 NVIDIA Jetson Orin Nano-Super(8GB)平台,NanoOWL 能夠在不需雲端的大型算力下,快速辨識影片中的人物、物件,甚至組合出複雜情境。

應用場景舉例:

  • 智慧製造:即時監控工廠人員是否配戴安全裝備
  • 智慧城市:辨識特定車輛、行人或行為
  • 零售分析:統計顧客行為、商品擺放成效

EPC-R7300 作為我們的測試平台,不僅硬體效能強大(8GB 記憶體、128GB NVMe SSD),還支援最新的 JetPack 6.2 軟體環境,是理想的 AI 邊緣運算載體。


實驗過程全紀錄:一步步實現影像 AI 辨識
#

這次實驗,我們將 NanoOWL DEMO 部署在 EPC-R7300 上,完整體驗從安裝到執行的每個細節。讓我們用淺顯易懂的步驟,一起拆解這場科技魔法!

Step 1. 建立 AI 運算環境:安裝 Docker & NVIDIA 支援
#

為了讓 AI 模型能順利運作,我們先安裝 nvidia-container 與 Docker,這就像是幫 EPC-R7300 穿上一套「智慧外衣」,讓它具備處理圖像辨識的超能力。

  • 執行系統更新
  • 安裝 nvidia-container、curl
  • 一鍵安裝 Docker,並設定 NVIDIA 為預設運算引擎

Docker 設定畫面

Step 2. 儲存與效能優化:擴充 SWAP 記憶體
#

面對大型影像資料與 AI 模型運算,記憶體資源很重要。我們選擇在 NVMe SSD 上創建 16GB SWAP,確保系統順暢不卡頓。

  • 停用 ZRAM
  • 建立 16GB SWAP 檔案並啟用
  • 修改 /etc/fstab 讓設定永久有效

SWAP 設定畫面

Step 3. 系統小技巧:關閉彈跳警告通知
#

現場展示或開發時,彈跳通知超級煩人!我們利用 dconf-editor,直接關閉 GNOME 桌面的通知提示,讓 Demo 過程更順暢無干擾。

系統通知設定
dconf-editor 操作畫面
通知設定步驟

Step 4. 安裝 Jetson-containers
#

我們下載並安裝了 jetson-containers,這是執行 NanoOWL DEMO 的基礎環境。只需簡單三步驟,就能快速部署!

Step 5. NanoOWL DEMO 實戰操作
#

  1. 準備影像資料
    將欲辨識的 MP4 影片放進 jetson-containers/data 資料夾。
  2. 啟動 NanoOWL DEMO
    運行專屬 Docker 映像檔,進入 NanoOWL 的工作環境。
  3. 執行場景辨識
    examples/tree_demo 目錄下,利用 Python 指令搭配模型檔案,直接對影片進行 AI 辨識!

DEMO 運行畫面

  1. 即時互動操作
    開啟瀏覽器,進入 http://<IP_ADDRESS>:7860,影片畫面即時顯示,並可在下方欄位輸入「要辨識的物件組合」。

    • 例如輸入:[a man[a helmet,a hammer]],即可同時偵測出「戴安全帽且拿鐵鎚」的人物!
    • 物件越多,辨識會較慢,但可以精準複雜場景。

網頁互動畫面
輸入辨識物件範例


成果亮點與產業應用:NanoOWL 帶來的全新價值
#

透過這次實驗,NanoOWL 在 EPC-R7300 上展現出令人驚豔的即時影像辨識能力,無論是辨識單一物件(如安全帽)、複雜組合(如多物件同時出現),都能快速準確反應。這項技術代表 Advantech 在 AI 邊緣運算領域的持續突破,未來可廣泛應用於:

  • 智慧工廠安全監控:自動監測違規行為、提升現場管理效率
  • 智能零售場域:行為分析、客流統計,助力數據驅動決策
  • 交通與城市監控:即時發現異常事件,提升公共安全

與傳統方案相比:

  • 不必依賴雲端,現場即時辨識,延遲極低
  • 可彈性指定多種複雜物件組合,精準度更高
  • 系統建置流程簡單快速,易於導入現場

結論與未來展望:持續創新,開啟智慧影像新篇章
#

這次 NanoOWL 在 EPC-R7300 上的實驗,不僅驗證了 Advantech 在 AI 邊緣運算平台的領先實力,也展現我們團隊勇於挑戰、持續創新的 DNA。未來,我們將持續優化 NanoOWL 技術,讓它更智慧、更易用,並積極拓展至各行各業的應用場景。

如果你對智慧影像辨識有興趣,或正尋找能落地應用的 AI 解決方案,歡迎隨時與我們聯繫,一起打造未來工業與智慧城市的美好藍圖!

相關文章

醫療AI新時代:Advantech AIR-510 實測 NVIDIA Holoscan & MONAI,帶你一探醫學影像的未來!
· loading
AI 跑起來!用 Advantech Jetson Orin 輕鬆啟動 DeepSeek-R1 大模型
· loading
揭開邊緣 AI 新時代!Advantech AIMB-2210 × AMD Ryzen™ 8000 NPU 超進化實驗大公開
· loading