Rozpoznání objektů na malých mikropočítačových platformách

Abstract

Tato bakalářská práce se zabývá návrhem, optimalizací a experimentálním vyhodnocením mikropo- čítačových platforem Raspberry Pi 5 a Raspberry Pi Zero pro úlohy rozpoznávání objektů v obraze s využitím neuronových sítí. Cílem je identifikovat vhodnou kombinaci hardwaru a softwaru, která umožní provádět inferenci modelů přímo na zařízení bez potřeby výkonných grafických akcelerátorů. Práce porovnává obě platformy z hlediska výpočetního výkonu, latence, propustnosti a paměťových nároků a hodnotí také frameworky určené pro nasazení v prostředí IoT, zejména TensorFlow Lite a TensorFlow Lite Micro. Výsledkem je realizace funkčního systému obsahujícího kamerový mo- dul a vybraný mikropočítač, který je schopen detekovat cílové objekty v reálném čase či téměř reálném čase. Funkčnost systému je ověřena sérií experimentálních testů a naměřené výsledky jsou porovnány s dostupnými publikovanými studiemi. schopné rozpoznávání objektů v obraze s využitím neuronových sítí. Cílem je identifikace vhodné kombinace hardwaru (např. ESP32, STM32F746, Raspberry Pi Pico) a softwaru, která umožní provoz inference modelu přímo na zařízení bez potřeby výkonných grafických akcelerátorů. Práce porovnává dostupné mikropočítačové platformy z hlediska výpočetního výkonu a podpory akcele- race pro AI aplikace, a zároveň hodnotí frameworky vhodné pro nasazení v prostředí IoT. Výsledkem je realizace funkčního systému obsahujícího kameru a vybraný mikropočítač, který je schopen de- tekce cílového objektu. Funkčnost systému je ověřena sérií experimentálních testů a výsledky jsou porovnány s existujícími publikovanými daty.

This bachelor’s thesis focuses on the design, optimization, and experimental evaluation of the Rasp- berry Pi 5 and Raspberry Pi Zero microcomputer platforms for image-based object recognition using neural networks. The primary goal is to identify a suitable combination of hardware and software that enables on-device inference without the need for powerful graphical accelerators. The thesis compares both platforms in terms of computational performance, latency, throughput, and memory requirements, and evaluates frameworks suitable for IoT deployment, particularly TensorFlow Lite and TensorFlow Lite Micro. The outcome is a functional system integrating a camera module and a selected microcomputer capable of detecting target objects in real time or near real time. The system’s functionality is validated through a series of experimental tests, and the measured results are compared with existing published studies.