Snel antwoord

Gebruik de AI Camera 2.0 visionmodule om kant-en-klare AI-functies uit te voeren of aangepaste modellen te trainen voor klasprojecten. Deze gids behandelt de installatie, projectintegratie en veelvoorkomende valkuilen.

Waarom een visionmodule gebruiken in STEAM-lessen

Een visionmodule zoals de AI Camera 2.0 laat studenten kennismaken met echte AI zonder dat ze helemaal opnieuw hoeven te programmeren. Het wordt aangesloten op mBot2 en CyberPi, zodat jij je kunt concentreren op het onderwijzen van AI-concepten in plaats van het oplossen van hardwareproblemen.

De module wordt geleverd met negen vooraf geladen AI-functies, waaronder gezichtsdetectie, kleurherkenning en objecttracking. Deze variëteit ondersteunt verschillende lesdoelen, van gegevensverzameling tot robotica-uitdagingen.

Afweging: kant-en-klaar versus aangepaste AI

De kant-en-klare functies zijn ideaal voor snelle demo's en inleidende lessen. Als je studenten echter hun eigen AI-modellen wilt laten trainen, moet je extra lestijd uittrekken voor het trainingsproces en ervoor zorgen dat je computers aan de softwarevereisten voldoen.

Voor de meeste klasprojecten kun je het beste beginnen met de ingebouwde functies. Stap pas over op aangepaste training wanneer studenten een goed begrip hebben van hoe AI-modellen leren van gegevens.

Stap-voor-stap: de AI Camera 2.0 gebruiken in de klas

  1. 1. Sluit de module aan: Sluit de AI Camera 2.0 aan op de mBot2 of CyberPi met de meegeleverde kabel. Zorg ervoor dat de verbinding stevig is en dat de LED van de module brandt. Veelgemaakte fout: vergeet het hoofdbord eerst van stroom te voorzien. Zet altijd de mBot2 of CyberPi aan voordat je de camera aansluit.
  2. 2. Selecteer een AI-functie: Gebruik de mBlock-software (of het menu op het scherm van de CyberPi) om een van de negen vooraf geladen functies te kiezen, zoals gezichtsherkenning of kleurtracking. Volg de aanwijzingen op het scherm om indien nodig te kalibreren. Controleer of de verlichting in de klas gelijkmatig is. Sterke schaduwen of schittering kunnen de herkenningsnauwkeurigheid verminderen.
  3. 3. Voer een demoproject uit: Open een van de negen meegeleverde projectlessen. Gebruik bijvoorbeeld de kleurtrackingfunctie om een robot een gekleurd object te laten volgen. Laat studenten observeren hoe de camera visuele gegevens in realtime verwerkt. Begin met een eenvoudige demo voordat je zelfstandig werk opdraagt. Dit helpt studenten de mogelijkheden en beperkingen van de module te begrijpen.
  4. 4. Train een aangepast model (optioneel): Als studenten unieke objecten willen herkennen, gebruik dan de mBlock AI-trainings tool. Verzamel ten minste 20 afbeeldingen per klas, label ze en voer de training uit. Implementeer het model op de cameramodule. Training duurt 5-10 minuten, afhankelijk van het aantal afbeeldingen. Plan deze stap voor een aparte sessie om haast te voorkomen.
  5. 5. Integreer in een groter project: Combineer de camera met andere mBuild-sensoren (bijv. ultrasoon, licht) om een multi-sensor robot te maken. Gebruik bijvoorbeeld objecttracking om een persoon te volgen terwijl je obstakels ontwijkt. Test elke sensor eerst afzonderlijk. Het debuggen van een gecombineerd systeem is eenvoudiger als je weet dat elk onderdeel afzonderlijk werkt.

Productfeiten