Edge AI auf dem ESP32-S3: TinyML-Modell zur Vogelarten-Erkennung direkt auf dem Mikrocontroller. Kamera löst bei Bewegung aus, Klassifizierung in 150ms, Ergebnis per MQTT ans Dashboard. Bisher 2.400 Fotos von 8 verschiedenen Vogelarten automatisch kategorisiert. Natur trifft Technik! #esp32s3 #tinyml #edgeai

Edge AI auf dem ESP32-S3: TinyML-Modell zur Vogelarten-Erkennung direkt auf dem Mikrocontroller. Kamera löst bei Bewegung aus, Klassifizierung in 150ms, Ergebnis per MQTT ans Dashboard. Bisher 2.400 Fotos von 8 verschiedenen Vogelarten automatisch kategorisiert. Natur trifft Technik! #esp32s3 #tinyml #edgeai

Edge AI auf dem Raspberry Pi 5: TensorFlow Lite Modell für Objekterkennung läuft mit 15 FPS. Für Zutrittskontrolle und Besucherzählung völlig ausreichend. Das Modell wurde mit Knowledge Distillation von einem großen YOLOv8 auf ein MobileNet-SSD komprimiert - 8x kleiner, nur 3% weniger Genauigkeit. #edgeai #tflite #raspberrypi

Edge AI auf dem Raspberry Pi 5: TensorFlow Lite Modell für Objekterkennung läuft mit 15 FPS. Für Zutrittskontrolle und Besucherzählung völlig ausreichend. Das Modell wurde mit Knowledge Distillation von einem großen YOLOv8 auf ein MobileNet-SSD komprimiert - 8x kleiner, nur 3% weniger Genauigkeit. #edgeai #tflite #raspberrypi

Edge AI auf dem Raspberry Pi 5: TensorFlow Lite Modell für Objekterkennung läuft mit 15 FPS. Für Zutrittskontrolle und Besucherzählung völlig ausreichend. Das Modell wurde mit Knowledge Distillation von einem großen YOLOv8 auf ein MobileNet-SSD komprimiert - 8x kleiner, nur 3% weniger Genauigkeit. #edgeai #tflite #raspberrypi

Edge AI auf dem Raspberry Pi 5: TensorFlow Lite Modell für Objekterkennung läuft mit 15 FPS. Für Zutrittskontrolle und Besucherzählung völlig ausreichend. Das Modell wurde mit Knowledge Distillation von einem großen YOLOv8 auf ein MobileNet-SSD komprimiert - 8x kleiner, nur 3% weniger Genauigkeit. #edgeai #tflite #raspberrypi

Edge AI auf dem ESP32-S3: TinyML-Modell zur Vogelarten-Erkennung direkt auf dem Mikrocontroller. Kamera löst bei Bewegung aus, Klassifizierung in 150ms, Ergebnis per MQTT ans Dashboard. Bisher 2.400 Fotos von 8 verschiedenen Vogelarten automatisch kategorisiert. Natur trifft Technik! #esp32s3 #tinyml #edgeai