6 fantastiska Raspberry Pi AI-projekt
Artificiell intelligens, särskilt den generativa typen, har på senare tid fått en plötslig popularitetsökning eftersom människor utforskar möjligheterna att skapa visuellt och textuellt innehåll med dessa verktyg. Sådana maskininlärningsmodeller körs vanligtvis på mycket dyr utrustning eftersom de kräver mycket lagringsutrymme och datorresurser.
Vi introducerar Raspberry Pi 4, en mycket prisvärd och kompakt datorlösning som säljs för bara 35 USD. Trots att den är utrustad med en relativt svag grafikprocessor (GPU) är denna innovativa enhet fortfarande lämplig för vissa uppgifter inom artificiell intelligens.
Mycroft/Picroft: Personlig AI-röstassistent
Mycroft erbjuder en mångsidig open source-lösning som konkurrerar med populära röstassistenter som Amazons Alexa, Google Assistant och Apples Siri. Med denna innovativa teknik kan användarna interagera med sin virtuella assistent och samtidigt ha full kontroll över sina personuppgifter. Mycroft är dessutom kompatibel med olika enheter, inklusive Android-telefoner, bärbara datorer och till och med Raspberry Pi, och erbjuder anpassningsbar funktionalitet för dem som söker ett mer diskret och säkert kommunikationsmedel. Som ett resultat har individer möjlighet att bygga sin alldeles egna privata Raspberry Pi-drivna smarta högtalare genom att införliva Mycroft.
Picroft är ett avancerat röstassistentprogram som har skräddarsytts för sömlös drift på Raspberry Pi-enheter. Den bygger på de kraftfulla funktionerna i Raspberry Pi OS Lite och kan enkelt installeras genom att bränna den på ett kompatibelt microSD-kort. För att kunna använda denna innovativa lösning behöver du ett pålitligt microSD-kort med en kapacitet på minst 8 gigabyte, en USB-mikrofon av hög kvalitet och antingen ett vanligt 3,5 mm ljuduttag eller ett lämpligt USB-högtalarsystem.
För att installera endast frontend-komponenten av Mycroft AI på en Raspberry Pi krävs interaktion med backend-servern, som finns på home.mycroft.ai, för att den virtuella assistentfunktionen ska fungera fullt ut. Även om det kan vara möjligt att försöka hosta Mycroft på egen hand, innebär det betydande tekniska hinder som kräver avsevärd expertis och ansträngning för att övervinnas.
Mycroft har vissa fördelar jämfört med andra alternativ när det gäller funktioner, trots att det är ett projekt med öppen källkod. En sådan fördel är dess förmåga att stödja ytterligare funktioner genom så kallade “färdigheter”, som i huvudsak är applikationer integrerade med den virtuella assistenten. Standardfärdigheterna gör det möjligt för användare att utföra uppgifter som att ställa in larm, spela in ljud och styra musikuppspelning.Dessutom kan man skaffa sig ytterligare färdigheter från marknaden eller till och med utveckla skräddarsydda sådana.
OpenCat: Fyrbent husdjursrobot
OpenCat utnyttjar kapaciteten hos både Raspberry Pi och Arduino och presenterar en plattform med öppen källkod för att bygga fyrbenta husdjur som liknar de som utvecklats av Boston Dynamics. I stället för att använda hjul är dessa robotar utrustade med fyra lemmar, vilket ger dem ökad mångsidighet när de navigerar genom oregelbunden terräng. Anpassningsförmågan hos detta ramverk sträcker sig bortom STEM-utbildningen och omfattar robotikundervisning, IoT-applikationer och robotundersökningar.
Det här projektet är fortfarande i ett tidigt skede och lämpar sig främst för avancerade byggare med de kunskaper i hårdvarumontering och programmering som krävs. Det är möjligt att köpa ett förmonterat kit från Petoi i antingen katt- eller hundform (kallat Nybble och Bittle, kostar 284 $ respektive 256 $), men vissa tillverkare har använt OpenCat-programvaran på 3D-printade robotdjur .
OpenCat-robotarna har ett innovativt Arduino-baserat system som kallas NyBoard och som har flera funktioner, t.ex. att leverera energi till servomotorerna, underlätta trådlös kommunikation, hålla balansen, upptäcka infraröda signaler och utgöra en plattform för montering av en Raspberry Pi-expansionsmodul för att förbättra kapaciteten hos denna avancerade fyrhjuliga robotenhet.
DeepPiCar: Självkörande bil
Idag är helt autonoma fordon fortfarande en fantasi, men vi har kommit så långt som till nivå två av de fem nivåerna för autonom körning. Företag som Tesla och Google arbetar hårt för att skapa den första helt självkörande bilen, och de använder alla liknande tekniker som DeepPiCar.
DeepPiCar är ett innovativt initiativ för självkörande fordon som leds av David Tian och som utnyttjar kapaciteten hos Raspberry Pi, TensorFlow, SunFounders PiCar V-kit och Googles Edge TPU coprocessor. Detta projekt utgör ett anmärkningsvärt exempel på hur framsteg inom artificiell intelligens kan tillämpas på transport. Med en total hårdvaruinvestering på mellan 250 och 300 USD visar projektet på potentialen för prisvärd men ändå sofistikerad fordonsteknik.
Den här robotbilen kan upptäcka och följa körfält, upptäcka trafikskyltar och hantera fotgängare. David beskriver hård- och mjukvaruinställningen i en -serie på Medium . Det är ett utmanande projekt, men det erbjuder ett utmärkt sätt att komma in på djupinlärning och autonom körning.
Object and Animal Recognition With Raspberry Pi and OpenCV 
OpenCV är ett omfattande programramverk med öppen källkod som omfattar både datorseende och maskininlärning, särskilt utvecklat för realtidsoperationer på olika plattformar. Denna mångsidiga verktygslåda stöder flera programmeringsspråk, vilket gör den tillgänglig för utvecklare över hela världen. OpenCV kan bearbeta visuell information omedelbart och gör det möjligt för Raspberry Pi att upptäcka och klassificera objekt och levande varelser i realtid med hjälp av den integrerade kameramodulen. För att kunna använda denna funktion måste man först installera den nödvändiga programvaran på sitt Raspberry Pi-system och sedan ansluta en kompatibel kameramodul för att underlätta bildinhämtningen.
Denna utbildningsresurs från Core Electronics går igenom hur man konfigurerar en omfattande OpenCV-installation för identifiering av både djur och livlösa föremål, samt hur man förfinar programmets parametrar för att specifikt rikta in sig på vissa föremål medan man ignorerar irrelevanta sådana. Guiden använder det uppskattade COCO-datasetbiblioteket, men alternativt kan användarna använda någon alternativ befintlig datasetkollektion som överensstämmer med deras krav.
Gestigenkänning med Raspberry Pi Pico och Edge Impulse
Med hjälp av Edge Impulse kan man enkelt instruera en modell att identifiera en rad olika gester, inklusive vinkningar, pekningar och applåder. Efter träningsfasen kan man med denna teknik styra olika projekt, t.ex. tända en lampa eller avge en ljudeffekt.
I det aktuella projektet för gestigenkänning används både Raspberry Pi Pico och Edge Impulse, vilket ger ett utmärkt sätt att införliva interaktiva element i olika projekt. Dessutom förlitar sig systemet på den integrerade MPU6050-sensorn, som omfattar både accelerometer- och gyroskopfunktioner för att fånga upp och tolka handrörelser. För att få ytterligare insikt i hur denna teknik implementeras hänvisar vi till den medföljande Hackster-handledningen (tillgänglig via ovannämnda länk), där du hittar instruktioner för att träna en modell som kan bearbeta ovannämnda sensordata, samt information om hur modellen kan användas på Raspberry Pi Pico-plattformen.
VoiceGPT: Röstassistent \\+ ChatGPT
Det här projektet kombinerar principerna för en generativ chatbot och en interaktiv digital assistent för att skapa ett verktyg som kan bearbeta auditiva förfrågningar och ge sammanhängande svar.Dessa svar sammanställs av ChatGPT och överförs via Google Clouds text-till-tal-system. De som inte känner till ChatGPT:s formidabla kapacitet kan läsa igenom de många olika uppgifter som den kan utföra för att få ytterligare insikt.
Genom att använda Raspberry Pi 4 tillsammans med en USB-mikrofon och högtalare kan röstassistenten användas sömlöst och ChatGPT:s kapacitet utnyttjas till fullo. Det nödvändiga projektskriptet och tillhörande programvara kan erhållas från den angivna GitHub-länken.
Låt din Raspberry Pi delta i AI-racet
Raspberry Pi kan anses vara liten och ha begränsad beräkningskapacitet, men den kan ändå förverkliga vissa koncept inom artificiell intelligens. De försök som nämnts tidigare är bara illustrationer av det omfattande utbudet av potentiella tillämpningar. Genom att använda sin fantasi och sina kunskaper i kodning kan man använda Raspberry Pi för att utveckla konkreta AI-lösningar.