Vivere in un dormitorio universitario comporta molte sfide, tra cui la gestione del bucato. Uno dei problemi più comuni è trovare una lavatrice libera, evitando di portare giù i vestiti sporchi solo per scoprire che tutte le macchine sono occupate. Per risolvere questo inconveniente, è stato deciso di creare un sistema di monitoraggio delle lavatrici utilizzando il modulo Seeed Vision AI v2 e Xiao ESP32S3.

Componenti Necessari

Per realizzare il sistema di monitoraggio delle lavatrici, sono stati utilizzati i seguenti componenti hardware e software:

Hardware

• Modulo Grove Vision AI V2: Un modulo AI versatile e facile da configurare, perfetto per progetti di visione artificiale.
• Fotocamera Raspberry Pi (Versione 1.3, sensore 5MP Omnivision 5647): Una fotocamera ad alta risoluzione in grado di registrare video a diverse risoluzioni e framerate.
• Seeed Studio XIAO ESP32S3 Sense: Un potente microcontrollore consigliato per la configurazione del camera_web_server.
• Cavo USB Tipo C: Per collegare e alimentare i componenti.

Software

• roboflow: Utilizzato per la gestione e l’augmentazione del dataset.
• Label Studio: Per l’etichettatura delle immagini del dataset.
• Seeed Studio Sensecraft: Piattaforma no-code per la distribuzione del modello AI.
• PlatformIO IDE: Ambiente di sviluppo integrato per programmare il Xiao ESP32S3.

Configurazione e Implementazione

Per monitorare la disponibilità delle lavatrici, è stato utilizzato il modulo Grove Vision AI V2 insieme al Xiao ESP32S3. Ecco i passaggi principali per configurare il sistema:

1. Preparazione dell’Hardware: è stato montato il modulo Vision AI e la fotocamera Raspberry Pi su un telaio stampato in 3D, progettato per mantenere il tutto stabile e permettere l’angolazione regolabile della fotocamera.
2. Installazione del Software: Utilizzando PlatformIO IDE, è stato configurato il Xiao ESP32S3 come server web per la fotocamera, seguendo le istruzioni disponibili su GitHub.
3. Creazione del Dataset: è stata utilizzata la camera_web_server per catturare immagini delle lavatrici da diverse angolazioni e condizioni di luce, creando un dataset diversificato di 55 immagini.
4. Addestramento del Modello AI: Con Label Studio e roboflow, sono state etichettate e aumentato il dataset. Poi, sono stati applicati i modelli di trasferimento MobileNet v2 e YOLO 192 per migliorare la capacità di rilevamento del nostro sistema.

Durante lo sviluppo del progetto, sono state incontrate diverse sfide:

• Bug nel Camera Web Server: gli sviluppatori hanno dovuto risolvere vari problemi iniziali di configurazione e funzionamento del server web della fotocamera. Questo ha portato a esplorare varie soluzioni di debug e aggiornamenti firmware.
• Difficoltà con Sensecraft: La piattaforma Sensecraft ha richiesto diversi tentativi per la configurazione corretta del modello AI. Dopo vari tentativi, gli sviluppatori sono riusciti a stabilire una configurazione stabile.
• Configurazione del Modello AI: È stato complicato configurare il modello per rilevare correttamente più classi di oggetti, richiedendo diverse iterazioni e aggiustamenti. Questo processo ha incluso il rietichettare il dataset più volte per migliorare l’accuratezza.

Nonostante queste difficoltà, il team di sviluppo è riuscito a superarle con pazienza e tentativi ripetuti.

Risultati e Miglioramenti Futuri

Il sistema di monitoraggio delle lavatrici ha ottenuto risultati promettenti. Il modello AI riesce a rilevare le lavatrici, ma sono necessari ulteriori miglioramenti. Ecco i principali risultati e le potenziali aree di miglioramento:

• Risultati: Il modello ha raggiunto velocità di inferenza rapide di circa 30 fps. Tuttavia, la rilevazione era limitata principalmente alle lavatrici, indicando la necessità di un dataset più ampio per migliorare l’accuratezza e la capacità di rilevare altre classi di oggetti.
• Miglioramenti Futuri: Un dataset più grande e un’etichettatura più semplice potrebbero aumentare l’accuratezza del sistema. Inoltre, ottimizzazioni nella configurazione del modello e ulteriori test di latenza potrebbero migliorare le prestazioni complessive.

Conclusione

Questo progetto rappresenta un passo avanti verso una soluzione pratica per monitorare la disponibilità delle lavatrici nei dormitori universitari. Con ulteriori miglioramenti, il sistema potrebbe diventare ancora più efficace, aiutando gli studenti a risparmiare tempo e ridurre la frustrazione. L’utilizzo del modulo Seeed Vision AI v2 dimostra che è possibile creare soluzioni intelligenti e accessibili per problemi quotidiani, migliorando la vita degli studenti.

Risorse e Link Utili

• Tutorial completo
• Modello AI Vision v2 su GrabCAD
• File di modelli su Printables
• Kit di lenti magnetiche opzionali
• Supporto regolabile per lenti su GitHub