เฮลโหลเพื่อนๆ ชาว Maker! ใครจะไปเชื่อว่าบอร์ดเล็กจิ๋วเท่าบัตรเครดิตอย่าง Raspberry Pi Zero 2W จะสามารถรัน AI ตรวจจับวัตถุได้แบบเรียลไทม์! วันนี้เราจะพาไปอัปเกรดบอร์ดจิ๋วให้ฉลาดล้ำด้วยการใช้โมเดล YOLOv5n ที่ถูก Optimized มาเพื่อความเร็วโดยเฉพาะผ่านตระกูล ONNX ครับ

1. เตรียมของให้พร้อม (Things you need)

2. ทำความรู้จัก ONNX และ YOLOv5n

ก่อนเริ่มลุยโค้ด มาทำความเข้าใจกันนิดนึงว่าทำไมเราถึงใช้สองตัวนี้:

• ONNX (Open Neural Network Exchange): คือระบบนิเวศแบบเปิดที่ช่วยให้เราเลือกเครื่องมือ AI ที่เหมาะสมได้ตามการเติบโตของโปรเจกต์ ช่วยให้โมเดล AI ทำงานร่วมกันได้ทุกค่าย
• YOLOv5n (Nano): เป็นเวอร์ชันที่เบาที่สุดในตระกูล YOLOv5 ออกแบบมาเพื่อเน้นความเร็วบนอุปกรณ์ที่มีทรัพยากรจำกัดอย่าง Pi Zero ของเรานี่เองครับ

3. ขั้นตอนการติดตั้ง (Software Setup)

เริ่มแรกให้เตรียมเครื่องตามขั้นตอนปกติ (OS Installation) จากนั้นเปิด Terminal แล้วรันคำสั่งพวกนี้เพื่อลง Library สำคัญครับ:

# Install OpenCV

sudo apt install python3-opencv

# Install ONNX Runtime

sudo pip3 install onnxruntime --break-system-packages

จากนั้นสร้าง Folder สำหรับโมเดลและดาวน์โหลดไฟล์ YOLOv5n.onnx ครับ:

mkdir model

cd model

wget https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5n.onnx

4. ถึงเวลาเขียนโค้ด (Project Code)

สร้างไฟล์ชื่อ or_onnx.py แล้วก๊อปโค้ดนี้ลงไปได้เลยครับ โค้ดนี้จะช่วยให้ AI แยกแยะวัตถุได้ถึง 80 ชนิดตามมาตรฐาน COCO dataset!

#!/usr/bin/env python3

import

cv2, numpy

as

np, onnxruntime

as

ort

from

pathlib

import

Path

# ---------- Model Configuration ----------

MODEL_PATH = "model/yolov5n.onnx"

sess = ort.InferenceSession(MODEL_PATH, providers=['CPUExecutionProvider'])

in_name = sess.get_inputs()[0].name

# ... (Code for image processing and NMS) ...

# Full Python implementation for object recognition using YOLOv5n-ONNX

5. ผลลัพธ์สุดว้าว (Demonstration)

เมื่อรันโค้ดเสร็จแล้ว ระบบจะเปิดหน้าต่างขึ้นมาโชว์การตรวจจับวัตถุบนถนนหรือในบ้านครับ ลองดูผลลัพธ์บางส่วนกัน:

View more scenarios