用Jetson NANO做个AI喂鸟器

国外一个开发者在NVIDIA的论坛上分享了一个有趣的项目——他利用Jetson NANO在花园里做了一喂鸟器。为了更多地了解被这个喂鸟器吸引来的鸟类，他还开发了一个系统来跟踪访问喂鸟器的动物。

他的喂鸟器长这个样子：

除了收集鸟类数据外，这个喂鸟器还可用于实时检测不受欢迎的“访客”，比如老鼠，然后做出反应。这个网友对 Jetson Nano 进行了编程，以控制一个简单的水泵，当老鼠访问喂食器时，它会喷射出一股水流，赶跑老鼠

项目的github地址：https://github.com/plertvilai/birdCam_jetson

BirdCam 与 Jetson Nano

BirdCam 是一个用于对城市动物群进行实时分类的框架。它最初是为了对南加州花园中常见的城市鸟类进行分类而开发的。该框架利用传统的图像处理和机器学习方法在 Nvidia Jetson Nano 上执行实时分类。

模型

对于最新版本 (V2)，深度学习模型（在文件夹中提供models）在七类本地动物群上进行了训练。网友使用 MobileNetV2 架构并用 100 个frozen层训练模型。他们使用 Tensorflow V2 来实现这个卷积神经网络。

推理

要在 Jetson Nano 上运行模型，必须通过将 Tensorflow 模型转换为 TensorRT 模型来优化它。然后可以在 Jetson Nano 上以非常低的延迟实现该模型。请注意，shell 脚本optimizeJetson.sh（在文件夹中shell）应在运行主要的 BirdCam 脚本之前运行，以确保 Jetson Nano 以最佳性能运行。