Control de calidad en frutas con jetson nano

INTRODUCCION:
Este proyecto fue realizado con el fin de identificar zonas en mal estado de manzanas, naranjas y bananos a traves de vision artificial e inteligencia artificial con la manipulacion de imagenes CUDA y OpenCV, en esta ocasion utilizamos muchos recursos para llevar a cabo que seran explicados a continuacion.

CONSTRUCCION DEL PROYECTO:

PASO #1:
Como primera instancia debemos de contar con un entorno de desarrollo optimo en nuestra Jetson Nano por esta razon debemos instalar nuestro sistema operativo como lo son los JetPack de Nvidia y todas las dependencias de Jetson Inference, proyecto realizado y subido a los canales de Nvidia, por aca les dejo el repositorio.

Repositorio Jetson Inference

Si aun no sabes como realizar la instalacion del entorno te dejo toda la explicacion en los siguientes videos:

Instalacion de JetPack 4.6
hqdefault

Intsalacion Jetson Inference

PASO #2:
Una vez tenemos nuestro entorno de desarrollo listo, es indispensable conocer como podemos entrenar y ejecutar nuestras redes neuronales convolucionales dentro de la arquitectura de Jetson, si aun no conoces como hacerlo te dejo este video explicativo:

Ejecuta tus redes neuronales en Jetson.
hqdefault

PASO #3:
Completando el paso anterior ya estamos listos para empezar a crear nuestro proyecto, en esta ocasion lo que hacemos es realizar el entrenamiento de una red neuronal convolucional especificamente en frutas como se mostro en el video anterior.
Una vez contamos con nuestra red neuronal convolucional la ejecutamos en nuestro entorno Jetson, alli aprovechamos las virtudes de TensorRT para sacar el maximo provecho a nuestra Jetson Nano.
A partir de este punto lo que buscamos es extraer la imagenes CUDA que son entregadas en forma de frames y convertirlas a matrices Numpy con el fin de aporvechar al maximo la libreria OpenCV, realizamos etapa de filtrado de imagenes, extraccion de caracteristicas especificamente en el color para detectar todas las impurezas de las frutas obteniendo un resultado exitoso.
Todo este procedimiento esta explicado de manera detallada en el siguiente video:

Explicacion del proyecto

La archivo .py que pertenece a toda la programacion la puedes encontrar en mi GitHub:

Programacion

Tambien puedes apoyarme siguiendome en mis redes sociales como:
Youtube
Instagram
Twitter