Diese Dienstleistung ist vorübergehend nicht verfügbar
Ich werde ein Edge-AI-Modell auf ESP32, Arduino oder jedem Mikrocontroller bereitstellen
Indien
IoT-Ingenieur Praktikant
Über diesen Service
Versuchst du, KI direkt auf einem Mikrocontroller ohne Cloud-Abhängigkeit auszuführen?
Ich habe ein Echtzeit-Helm-Erkennungssystem auf ESP32-CAM mit Edge Impulse und TensorFlow Lite Micro gebaut und bereitgestellt, das eine Erkennungsgenauigkeit von 97 % erreicht und vollständig auf dem Gerät läuft, kein Internet erforderlich. Ich kenne diese Pipeline sowohl hardware- als auch softwareseitig sehr gut.
Was ich für dein Projekt tun kann:
- Ein benutzerdefiniertes Bildklassifizierungs- oder Objekterkennungsmodell mit Edge Impulse trainieren
- Auf ESP32-CAM, Arduino Nano 33 BLE Sense oder ähnlichen MCUs bereitstellen
- Ausgabe mit OLED-Displays, Seriellmonitor oder Wi-Fi-Benachrichtigungen integrieren
- Modell für Speicher- und Geschwindigkeitsbegrenzungen deiner spezifischen Hardware optimieren
- Vollständigen Quellcode, Verkabelungsdiagramm und Dokumentation liefern
Anwendungsfälle, mit denen ich gearbeitet habe:
- Helm- / Sicherheitsausrüstungs-Erkennung
- Fehlerhafte Produktidentifikation
- Gestenerkennung
- Anwesenheitserkennung
Kontaktiere mich vor der Bestellung, um sicherzustellen, dass deine Hardware unterstützt wird, und um deine spezifischen Anforderungen zu besprechen.
Plattform:
ESP32
Expertise:
Mikrocontroller
•
IoT
•
AI
•
Robotertechnik
FAQ
Automatische Übersetzung
Welche Mikrocontroller unterstützt du?
Vor allem ESP32-CAM und Arduino Nano 33 BLE Sense. Schreib mir mit deiner spezifischen Platine, und ich bestätige es vor deiner Bestellung.
Muss ich einen Datensatz bereitstellen?
Nicht unbedingt. Für gängige Objekte kann ich beim Aufbau des Datensatzes helfen. Für sehr spezifische Objekte musst du mindestens 50–100 Beispielbilder bereitstellen.
Funktioniert das Modell ohne Internet?
Ja. Das ist der Hauptvorteil von edge AI – das Modell läuft vollständig auf dem Gerät ohne Cloud-Abhängigkeit.
Was liefern Sie?
Vollständiger Arduino/C++-Quellcode, Export des Edge Impulse-Projekts, Verkabelungsdiagramm und Einrichtungsanleitung.

