Hướng dẫn phân loại sâu bệnh nông nghiệp với YOLOv8! Bài viết chi tiết cách chuẩn bị dữ liệu, huấn luyện mô hình và kiểm tra kết quả. Thích hợp cho người mới bắt đầu. #YOLOv8 #AgriculturalPests #ImageClassification #MachineLearning #AI #NôngNghiệp #TríTuệNhânTạo

https://www.reddit.com/r/SideProject/comments/1q3wywb/classify_agricultural_pests_complete_yolov8/

Un projet open source qui détecte les nids-de-poule

https://fed.brid.gy/r/https://korben.info/detection-nids-poule-yolov8-ia-open-source.html

Система мониторинга и подсчета перелетных птиц

Идея проекта возникла этой весной, когда в наши края приезжал вице-президент Союза охраны птиц России Алексей Леонович Эбель, для учёта гуменника, мигрирующего через Алтайский край. Проблема в том, что гусь летит 5-6 недель и неравномерно (насколько неравномерно - это базовый вопрос). И ещё нерешённая задача: гусь может лететь ночами. Алексей Леонович вычислил место, где гуменника во время весенней миграции учитывать оптимальнее всего. Эта точка оказалась недалеко от меня. За 2 плюс один неполный световых дня в коридоре 7-8 км он насчитал почти 15.000 пролётных особей, а мы с друзьями ему в этом немного помогали. Понятно, что посчитать это вручную более-менее точно не получится, поэтому я сразу подумал о том, чтобы автоматизировать задачу. Идея довольно простая. Клин гуменника (да и в принципе любой птицы) летит не очень быстро. Можно просто при помощи длиннофокусной камеры сканировать небо и пытаться найти птицу в кадре при помощи нейросети. Камеру можно закрепить на механизме наподобие турели, управлять моторами будет Arduino, а искать птиц и посылать команды на контроллер будет одноплатник (или подобная более мощная железка).

https://habr.com/ru/companies/timeweb/articles/963198/

#arduino #камера #yolov8 #отслеживание_объекта_камерой #timeweb_статьи #птицы #научнопопулярное

Собираем ANPR-систему на Python: от YOLOv8 и кастомного OCR до INT8-квантизации

Привет, Хабр! Распознавание автомобильных номеров (ANPR) — задача не новая. Существует множество коммерческих решений и open-source библиотек. Но что, если стандартные инструменты не не подходят? А что, если нам нужна система, которая будет молниеносно работать на обычном CPU, без дорогих видеокарт? Недавно я столкнулся именно с такой задачей. Вместо того чтобы просто "склеить" готовые решения, я решил пройти весь путь ML-инженера от начала до конца: от анализа данных до обучения кастомных SOTA-моделей и их финальной оптимизации. В этой статье я поделюсь всем процессом, кодом, результатами и проблемами, с которыми пришлось столкнуться.

https://habr.com/ru/articles/960048/

#ML #anpr #python #pytorch #ocr #yolov8

"✨ Mình hoàn thành dự án AI mã nguồn mở bằng YOLOv8 phát phát cháy/ng Dunkel. Đầu tay, xin phản hồi về cách phát triển, dự án tương lai. Dính GIF hoạt động. Tags: #AI #YOLOv8 #Mortertic @ An toàn. #Phát phát cháy" (498 ký tự)

https://www.reddit.com/r/opensource/comments/1o87q7k/made_an_open_source_ai_which_can_detect_flames/

Как мы научили нейросеть читать технические схемы и сразу считать их стоимость

Когда думаешь о «цифровой трансформации» в промышленности, в голове обычно всплывают роботы, датчики, большие экраны и дроны, которые сами разносят детали по цеху. В реальности всё часто упирается в куда более прозаичные вещи. Например — технические схемы. Представьте: целые шкафы с папками, где вперемешку свежие CAD-чертежи и сканы пожелтевших листов А3 с подписями от руки: «Смотри сюда», «замени резистор». Чтобы собрать спецификацию и посчитать стоимость, инженеру приходилось садиться с карандашом и Excel — и часами переписывать резисторы, транзисторы, конденсаторы, их номиналы и количество. Ошибся в одной букве или не заметил мелкий элемент — и вся цепочка снабжения поехала. В какой-то момент мы, как разработчики, задали себе вопрос: «А почему в 2025 году до сих пор человек должен глазами считать резисторы на сканах, если есть компьютерное зрение и OCR?» Так и стартовал проект: сделать систему, которая за полминуты превратит «кривой скан схемы из прошлого века» в таблицу компонентов с готовой сметой.

https://habr.com/ru/articles/951016/

#машинное+обучение #computer_vision #yolov8 #ocr #paddleocr #нейросети #обработка_изображений #цифровая_трансформация #автоматизация #промышленность

YOLOv8 research tutorial: Discover 10 powerful steps to customize YOLOv8 for your research. Boost your AI projects today! #YOLOv8 #ObjectDetection #Research #AI #DeepLearning

https://teguhteja.id/yolov8-research-tutorial-10-step-guide/?utm_source=mastodon&utm_medium=jetpack_social

Radxa Launches M.2 AI Accelerator with Axera AX8850 and 24 TOPS NPU

https://fed.brid.gy/r/https://linuxgizmos.com/radxa-launches-m-2-ai-accelerator-with-axera-ax8850-and-24-tops-npu/

Разработка автономного робота для навигации по городу

Как мы взяли первое место на Кубке РТК "Высшая лига" с TurtleBot3 на ROS2 В рамках регионального этапа хакатона “Кубок РТК: Высшая лига”, который проходил 24-25 мая в Москве, наша команда misis_robo_family разработала автономного робота с функцией распознавания дорожных знаков и возможностью следовать по маршруту, используя эти знаки. Этот проект объединил в себе современные технологии компьютерного зрения и автономной навигации.

https://habr.com/ru/articles/914132/

#робототехника #хакатон #yolov8 #turtlebot