Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 9

YOLO object detection and classification using low-cost mobile robot

Wykrywanie i klasyfikacja obiektów YOLO przy użyciu niedrogiego robota mobilnego

10.15199/48.2024.09.04

nr katalogowy: 150343
10.15199/48.2024.09.04

Streszczenie

The article presents a study of object detection and classification methods based on deep learning YOLO (You Only Look Once) implemented on the on-board computer (Raspberry Pi 4B) of a mobile robot. The research was carried out using a mobile robot working with the ROS Noetic platform, equipped with LiDAR, Kinect and odometric sensors. During the operation of deep neural networks, the average precision of mAP detection and the computing power consumption of the central unit without a graphics processor were determined. The HTOP package was used to observe computational processes and the level of CPU computing power consumption in real time.

Abstract

W artykule przedstawiono badanie metod wykrywania i klasyfikacji obiektów opartych na głębokim uczeniu YOLO (You Only Look Once) zaimplementowanych na komputerze pokładowym (Raspberry Pi 4B) zbudowanego robota mobilnego. Badania przeprowadzono z wykorzystaniem robota mobilnego współpracującego z platformą ROS Noetic, wyposażonego w czujniki: LiDAR, Kinect i odometryczne. Podczas działania głębokich sieci neuronowych określono średnią precyzję wykrywania mAP oraz zużycie mocy obliczeniowej jednostki centralnej pozbawionej procesora graficznego. Do obserwacji procesów obliczeniowych i poziomu zużycia mocy obliczeniowej procesora w czasie rzeczywistym wykorzystano pakiet HTOP.

Słowa kluczowe

Keywords

Bibliografia

[1] Zainudin, M. N., et al., A Framework for Chili Fruits Maturity Estimation using Deep Convolutional Neural Network, Przegląd Elektrotechniczny, 12 (2021), 77-81, doi:10.15199/48.2021.12.13.
[2] Khamil, K. N., Adnan, M. A. A., & Annuar, M. A. K., Design and Development of a Sanitization Robot (ROBOSAN V2), Przegląd Elektrotechniczny, 10 (2023), 82-87, doi:10.15199/48.2023.10.16.
[3] Panasiuk J., Siwek M., Kaczmarek W., Borys S., Prusaczyk P., The concept of using the mobile robot for telemechanical wires installation in pipelines, p. 020054. doi:10.1063/1.5066516
[4] Zuniga W. P. C., Navarro J. J. Q., Diaz J. D. P., J. Tavera S., A. Montoya A., Design of a Terrain Mapping System for Low cost Exploration Robots based on Stereo Vision, Przegląd Elektrotechniczny, 5 (2023), 270-275, doi:10.15199/48.2023.05.46.
[5] Rezoug, N., Zerikat, M., & Chekroun, S., An efficient fuzzy pi approach to real-time control of a ros-based mobile robot. Przegląd Elektrotechniczny, 2 (2022), 1-5, doi:10.15199/48.2022.02.01.
[6] Siwek M., Panasiuk J., Baranowski L., Kaczmarek W., Prusaczyk P., Borys S., Identification of differential drive robot dynamic model parameters, Materials 16 683. doi:10.3390/ma16020683.
[7] Siwek M., Baranowski L., Panasiuk J., Kaczmarek W., Modeling and simulation of movement of dispersed group of mobile robots using simscape multibody software, p. 020045. doi:10.1063/1.5092048.
[8] Redmon J., Divvala S., Girshick R., Farhadi A., You only look once: Unified, real-time object detection.
[9] Szegedy C., Liu W., Jia Y., Sermanet P., Reed S., Anguelov D., Erhan D., Vanhoucke V., Rabinovich A., Going deeper with convolutions, IEEE, pp. 1–9. doi:10.1109/CVPR.2015.7298594.
[10] Hosang J., Benenson R., Schiele B., Learning non-maximum suppression, Proceedings of the IEEE conference on computer vision and pattern recognition, 2017, 4507-4515..
[11] L. L. Yin, M. N. Shah Zainudin, W. H. Mohd Saad, N. A. Sulaiman, M. I. Idris, M. R. Kamarudin, R. Mohamed, M. S. J. A Razak. Analysis Recognition of Ghost Pepper and Cili-Padi using MaskRCNN and YOLO, Przegląd Elektrotechniczny, 08 (2023), 92-97, doi:10.15199/48.2023.08.15.
[12] Redmon J., Farhadi A.. 2016. Yolo9000: Better, faster, stronger, Proceedings of the IEEE conference on computer vision and pattern recognition, 2017, 7263-7271.
[13] Redmon J., Farhadi A., YOLOv3: An Incremental Improvement, arXiv:1804.02767, University of Washington 2018.
[14] Bochkovskiy A., Wang C.-Y., Liao H.-Y. M., Yolov4: Optimal speed and accuracy of object detection, arXiv preprint arXiv:2004.10934 (2020).
[15] Wang C.-Y., Bochkovskiy A., Liao H.-Y. M., YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors, arXiv:2207.02696 (2022).
[16] Raji F., Miao L., Optimal wireless rate and power control in the presence of jammers using reinforcement learning. ITU Journal on Future and Evolving Technologies. Volume 3, Issue 2, 508 522 (2022), doi:10.52953/ANSC4385.
[17] Jocher G., ultralytics/yolov5: v7.0 - YOLOv5 SOTA Realtime Instance Segmentation, Zenodo, lis. 22, 2022. doi: 10.5281/zenodo.7347926.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-9 , nr katalogowy 150343 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-9 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-9

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma