資料介紹
描述
如果森林從大氣中吸收的碳多于釋放的碳,則森林被認為是碳匯。
森林是穩定氣候的力量。它們調節生態系統、保護生物多樣性、在碳循環中發揮不可或缺的作用、支持生計并提供能夠推動可持續增長的商品和服務。
森林在氣候變化中的作用是雙重的。它們既是溫室氣體排放的原因,也是解決方案。全球約 25% 的排放來自土地部門,這是僅次于能源部門的第二大溫室氣體排放源。其中大約一半(每年 5-10 GtCO2e)來自森林砍伐和森林退化。
森林也是應對氣候變化影響的最重要解決方案之一。每年約有 26 億噸二氧化碳被森林吸收,占燃燒化石燃料釋放的二氧化碳的三分之一。估計表明,全世界有近 20 億公頃退化土地——面積相當于南美洲的面積——為恢復提供了機會。因此,增加和維護森林是應對氣候變化的基本解決方案。[來源]
森林最常受到野火和森林砍伐的影響。
野火是農村或城市地區植被區域的不受控制的火災,而叢林大火是指叢林中無法控制的火災。叢林大火/野火會迅速燒毀數百萬英畝的土地,并會以它們的方式摧毀一切——樹木、房屋、動物和人類。
我們通常聽說加利福尼亞的野火。野火也發生在其他州和國家。截至 2020 年 9 月 25 日:
- 超過 440 萬英畝的土地在 10 個州被燒毀,僅在加利福尼亞就有 330 萬英畝。
- 數十人死亡。
- 超過 4,000 座建筑物被摧毀。
- 近 50 萬人逃離家園。澳大利亞很容易發生威脅性的叢林大火。
從 2019 年 9 月到 2020 年 3 月,當最后一場大火被撲滅時,澳大利亞發生了歷史上最嚴重的叢林大火之一。2019 年是澳大利亞創紀錄的最熱年份,叢林大火季節從 2019 年 6 月開始。這在全國各地造成了大規模破壞,每個州和領地都發生火災。截至 2020 年 1 月 6 日:
- 1 月 6 日星期一,澳大利亞新南威爾士州發生了大約 136 起火災。
- 新南威爾士州有超過 4.8 億只動物死亡。
- 該國六個州總共燒毀了超過 1500 萬英畝土地。
- 官員們說,在這個火災季節,全國有 24 人喪生。
氣候變化導致的炎熱天氣使森林和植被更加干燥,因此更容易燃燒。結果,平均野火季節比幾十年前長了三個半月,西部每年的大火數量增加了兩倍。消息人士稱,未來野火將變得更加嚴重。
氣候變化可能是更嚴重的野火/叢林大火的原因,但這場災難也會導致氣候變化,導致溫室氣體排放無法控制。一氧化碳和二氧化碳以危險的大量釋放,這對人類和環境都是有害的。
當木材的采伐、運輸、加工、購買或銷售違反國家或地方法律時,就會發生非法采伐和相關貿易。當森林被清除以種植油棕等種植園時,也會發生這種情況。由于對木材、紙張和衍生產品(包括包裝)的需求不斷增加,存在非法采伐。
非法采伐不僅給森林留下了明顯的破壞痕跡——古樹曾經矗立的大洞——它剝奪了當地社區和負責任公司的經濟生計。[來源]
非法采伐對環境的影響包括森林退化、生物多樣性喪失和溫室氣體排放,從而導致全球氣候變化。
目標/目的
該項目的目的是通過使用 QuickLogic QuickFeather 開發套件和 SensiML Analytics Toolkit 分析實時音頻來檢測野火和非法伐木。
QuickFeather 板將由可充電電池 - 鋰離子電池供電。
硬件設置
QuickLogic QuickFeather 開發套件
QuickFeather開發套件是一個小型系統,非常適合支持下一代低功耗機器學習 (ML) 的物聯網設備。與其他基于專有硬件和軟件工具的開發套件不同,QuickFeather 基于開源硬件,與 Adafruit Feather 外形兼容,并且圍繞 100% 開源軟件(包括 Symbiflow FPGA 工具)構建。
QuickFeather 由 QuickLogic 的 EOS? S3 提供支持,這是首款完全支持 Zephyr RTOS 且支持 FPGA 的 Arm Cortex?-M4F MCU
6V 3.5W 太陽能電池板
我將使用 6V 3.5W 太陽能電池板為 QuickLogic QuickFeather 開發套件供電。
配置您的 QuickFeather 開發工具包
在開始之前,您應該使用最新的數據收集固件刷新 QuickFeather 開發套件,以便與 SensiML Data Capture Lab 一起使用。您可以從這里下載二進制文件。
在這個項目中,我們將使用簡單流 - 音頻數據收集二進制文件。
您可以從位于https://github.com/QuickLogic-Corp/qorc-sdk的 qorc github 存儲庫中的數據收集源構建自己的二進制文件。
使用 Data Capture Lab 記錄數據需要 Data Collection 固件。運行知識包時禁用數據收集。
確保您的系統上安裝了 Python;建議安裝 Python 3.6 或更新版本。
您將需要 QuickLogic 的 TinyFPGA Programmer 來刷新您的設備。當您下載 TinyFPGA Programmer 時,您需要使用 git 從 github 克隆 repo。下載 repo 的 zip 版本可能會導致意外結果。
用于git clone
下載 TinyFPGA Programmer,git clone --recursive https://github.com/QuickLogic-Corp/TinyFPGA-Programmer-Application.git
然后pip3 install tinyfpgab
安裝 Python 庫。
將固件文件放在 TinyFPGA 編程器目錄中,該目錄還包含tinyfpga-programmer-gui.py
. 通過 USB 插入設備并按下 QuickFeather 上的“重置”按鈕。LED 將呈藍色閃爍五秒鐘。在 LED 仍在快速閃爍時按下“用戶”按鈕。按下“用戶”按鈕后,LED 將開始閃爍綠色,并且閃爍的速度會像“呼吸”一樣緩慢。這意味著設備處于上傳模式。如果 LED 沒有閃爍綠色,請重復此步驟。
當 LED 閃爍綠色時,通過運行以下命令將數據收集二進制程序編程到 QuickFeather 中:
python /Your-directory-path-to-TinyFPGA-Programmer/tinyfpga-programmer-gui.py --port COMX --m4app /Your-directory-path-to-binary/quickfeather-audio-data-collection-uart.bin --mode m4
如果固件文件和固件文件tinyfpga-programmer-gui.py
在同一目錄中,那么您可以通過運行以下命令來刷新 QuickFeather:
python tinyfpga-programmer-gui.py --port COMX --m4app quickfeather-audio-data-collection-uart.bin --mode m4
在運行此命令之前,請確保在命令提示符中將目錄更改為 TinyFPGA 程序員的目錄。
COMX 是 QuickFeather 的 COM 端口。您可以通過轉到控制面板中的設備管理器中的端口來檢查端口號(如果您使用的是 Windows 操作系統)。
刷新固件后,按“重置”按鈕加載新應用程序。LED 應閃爍藍色五秒鐘,然后在完成后關閉。
SensiML 數據采集實驗室
Data Capture Lab 是一個成熟的時間序列傳感器數據收集和標記工具,它帶來了開發人員在編程工具中習慣的自動化數據集管理水平,但迄今為止在邊緣 ML 軟件中嚴重缺失。SensiML 的方法側重于允許開發人員將數據集構建為可以根據需要輕松維護、修改、探索、擴展和導出的持久知識產權 (IP)。為建模過程提供的良好數據可轉化為良好的 ML 推理代碼作為輸出。[來源]
設置數據采集實驗室

首先,創建一個新帳戶并下載相應的 DCL 軟件。下載軟件后,登錄您的帳戶。
創建一個新項目并將其保存在 SensiML 項目目錄中。
默認情況下,QuickFeather 固件的 Simple Streaming 版本使用硬件 UART。這意味著必須使用 USB 轉 TTL 串行適配器或另一個 Feather/Wing 進行通信。
打開項目后,單擊切換模式并打開捕獲模式。
設備插件是描述 DCL 如何從您的設備收集數據的屬性列表。例如,設備插件可能包含您的設備支持的采樣率列表。這允許 DCL 從任何已構建為接受以下支持的參數的設備收集數據。
您可以從此處下載簡單流協議的 example.SSF 文件。Data Capture Lab 允許您通過.SSF 文件通過菜單項Edit → Import Device Plugin ... 導入設備插件...接下來,您將能夠選擇您的插件協議。
配置您的傳感器并設置適當的采樣率。我們將在這個項目中使用麥克風。
QuickLogic QuickFeather 開發套件中的麥克風是英飛凌 IM69D130 MEMS 麥克風,其靈敏度為 -36.0 dBFS,信噪比為 69 dB(A)。
捕獲數據

在 DCL 軟件右側的硬件設置中,將 Capture Method 設置為 Live Stream Capture,將連接方法設置為 Serial Port。
插入連接到 QuickFeather 開發套件的 USB 轉 TTL 串行適配器后,選擇“查找設備”選項并單擊掃描設備。選擇適當的 UART COM 端口并連接您的設備。
如果它最初不起作用,請嘗試拔下轉換器并將其重新插入,或者斷開并重新連接。
在標簽設置中,為您正在錄制的事件創建一個標簽。在這種情況下,標簽是Fire
和。在此之后,選擇當前記錄的元數據。我為元數據創建了一個并添加了兩個值,它們是和。Felling
Normal
class
Train
Test
準備好后,按Begin Recording
捕獲您的數據。
完成該過程后,切換到標簽資源管理器模式并選擇項目資源管理器。在其中,選擇文件并確保數據準確地表示標簽。為此,請將您的數據分成多個段。對項目資源管理器中的所有相關文件重復該過程。

轉到文件菜單并選擇關閉文件選項后,您現在可以使用 Analytics Studio 從捕獲的數據生成模型。
DCL 中保存的數據會自動上傳并存儲在云端。
分析工作室
SensiML Analytics Studio 是 SensiML 軟件套件的核心,它使用您的標記數據集,使用 AutoML 和廣泛的邊緣優化特征和分類器庫快速生成高效推理模型。使用基于云的模型搜索,Analytics Studio 可以在幾分鐘或幾小時內將標記的原始數據轉換為高性能邊緣算法,而不是像手動編碼那樣幾周或幾個月。Analytics Studio 使用 AutoML 來解決機器學習算法預處理、選擇和調整的復雜性,而無需依賴專家手動定義和配置這些無數選項。
無論是經驗豐富的 ML 專家還是只是學習數據科學的基礎知識,Analytics Studio 都提供了一種工具,可以顯著提高您的嵌入式算法開發效率。[來源]
訓練模型
轉到Analytics Studio并登錄您的帳戶。選擇您現在在 Data Capture Lab 中創建的項目。
要訓??練模型,我們必須首先以 Query 的形式告訴 Analytics Studio 我們要使用哪些數據。這可以通過單擊Prepare Data
選項卡并輸入名稱、會話、標簽、相關元數據、傳感器以及如何繪制它來完成。保存后數據集應該會出現在右側,我們可以看到每個標簽中有多少段。

可以通過轉到Build Model
選項卡并輸入名稱、剛剛創建的查詢、窗口大?。ㄊ蛊渑c傳感器的捕獲率大小相同)、優化指標(f1-score 最平衡)來構建管道,以及分類器大小,它限制了模型的大小,非常適合加載到 ROM 受限的芯片上。單擊Optimize
將通過并構建模型,并且根據數據集的大小,可能需要一段時間才能完成。

生成知識包
此項目的最后一步是將機器學習模型部署到您的 QuickLogic QuickFeather 開發套件。這可以通過獲取知識包來完成。對于這個項目,我們將以二進制形式下載模型。在“下載模型”選項卡中,選擇您剛剛使用以下設置優化的管道,如下圖所示。

下載 zip 文件并將二進制文件解壓縮到包含tinyfpga-programmer-gui.py
. 按照用于刷新簡單流固件的相同步驟進行操作。
打開波特率為460800的串口監視器,就可以看到模型的分類輸出了。
您可以使用 SensiML 測試應用程序檢查機器學習模型識別的準確性。
我目前在下載知識包時遇到問題,因此目前無法制作工作視頻。我已經在討論區尋求幫助。但是我會盡力在知識包可用時上傳視頻。
未來更新
- 由于斯里蘭卡的持續封鎖,我無法購買 Adafruit Huzzah32 - ESP32 Feather 板。
未來,我想:
- 將 Adafruit Huzzah32 - ESP32 Feather 板與 QuickFeather 開發套件結合使用,并將此概念驗證 (PoC) 轉變為物聯網概念驗證。
- 在各種情況下測試機器學習模型,并將可變數據輸入機器學習模型以提高其準確性。
- 用更高的采樣頻率試驗我的機器學習模型。
- 通過顯示狀態來改進我的項目。
- 添加 GPS 和警報系統以提醒和共享處于危險中的位置。
- 找到一種自動為為 QuickFeather 開發板供電的鋰離子電池充電的方法。
- 2023年人工智能產業概況及應用趨勢分析 8次下載
- 人工智能是干嘛的 人工智能在金融行業的應用 0次下載
- 什么是人工智能 人工智能應用領域 0次下載
- 使用人工智能識別您的視覺內容
- 使用人工智能和物聯網幫助在偏遠的溫室種植糧食
- 人工智能專題報告:生成式人工智能產業全梳理 3次下載
- 使用人工智能來檢測工地人員是否佩戴個人防護設備
- 基于人工智能驅動的關鍵信息基礎設施防御 4次下載
- 人工智能的倫理智能體應用及相關研究 7次下載
- 人工智能控制技術的發展與研究現狀 15次下載
- 人工智能到底是什么?什么工作需要學習人工智能 17次下載
- 如何使用人工智能進行智能家居生態系統設計的研究分析 5次下載
- 為什么Python是人工智能最好的編程語言Python有什么優勢 15次下載
- 人工智能行業發展狀況如何?人工智能行業研究報告詳細資料免費下載 15次下載
- 電子書 中美人工智能行業生態比較 243次下載
- 生成式人工智能和感知式人工智能的區別 1922次閱讀
- 人工智能/機器學習技術推動全球產業變革 6283次閱讀
- 人工智能給教育帶來哪些巨大好處 8647次閱讀
- 人工智能確保信息安全的五個要素 3438次閱讀
- 人工智能技術如何在保護文物上有奉獻 1782次閱讀
- 什么是人類智能 楊學山淺談通用人工智能的發展途徑 3029次閱讀
- 利用人工智能改進手機攝影技術 3717次閱讀
- 關于未來人工智能和自動化的預測 3116次閱讀
- 人工智能帶給實際的作用 1.4w次閱讀
- 谷歌用人工智能診斷眼疾,準確率達94% 3577次閱讀
- 人工智能技術有哪些_人工智能技術的原理 6.1w次閱讀
- 人工智能為何這么熱_人工智能價值與應用_無人機屬于人工智能嗎 7526次閱讀
- 人工智能需要哪些知識_人工智能需要學什么_如何自學人工智能 4.4w次閱讀
- IBM使用人工智能幫助他們預測有機化學反應的生成 5040次閱讀
- 人工智能是一把雙刃劍 1.1w次閱讀
下載排行
本周
- 1貼片三極管上的印字與真實名稱的對照表詳細說明
- 0.50 MB | 76次下載 | 1 積分
- 2Altium Designer AD 25 軟件安裝包下載
- 0.00 MB | 3次下載 | 免費
- 3Altium Designer 23 軟件下載
- 0.00 MB | 2次下載 | 免費
- 4Altium Designer 22.11.1軟件安裝包下載
- 0.00 MB | 1次下載 | 免費
- 5PADS Professional vx 2.11 安裝包
- 0.00 MB | 1次下載 | 5 積分
- 6高頻率變壓器的設計
- 0.03 MB | 1次下載 | 1 積分
- 7ANT8817 1%3.5W/3.7V,同步自適應升壓,超長續航,H類防破音單聲道音頻功放中文手冊
- 1.11 MB | 1次下載 | 免費
- 8NS6326 4-30V輸入5V/3A輸出同步降壓穩壓器中文手冊
- 1.22 MB | 次下載 | 免費
本月
- 1蘇泊爾電磁爐線路的電路原理圖資料合集
- 2.02 MB | 286次下載 | 5 積分
- 2長虹液晶電視R-HS310B-5HF01的電源板電路原理圖
- 0.46 MB | 87次下載 | 5 積分
- 3貼片三極管上的印字與真實名稱的對照表詳細說明
- 0.50 MB | 76次下載 | 1 積分
- 4U盤一鍵制作
- 23.84 MB | 41次下載 | 免費
- 5AI智能眼鏡產業鏈分析
- 4.43 MB | 39次下載 | 免費
- 6AO4803A雙P通道增強型場效應晶體管的數據手冊
- 0.11 MB | 28次下載 | 2 積分
- 7長虹液晶彩電LS29機芯的技術資料說明
- 3.42 MB | 16次下載 | 2 積分
- 8TP4055 500mA線性鋰離子電池充電器中文手冊
- 0.75 MB | 9次下載 | 免費
總榜
- 1matlab軟件下載入口
- 未知 | 935127次下載 | 10 積分
- 2開源硬件-PMP21529.1-4 開關降壓/升壓雙向直流/直流轉換器 PCB layout 設計
- 1.48MB | 420064次下載 | 10 積分
- 3Altium DXP2002下載入口
- 未知 | 233089次下載 | 10 積分
- 4電路仿真軟件multisim 10.0免費下載
- 340992 | 191387次下載 | 10 積分
- 5十天學會AVR單片機與C語言視頻教程 下載
- 158M | 183342次下載 | 10 積分
- 6labview8.5下載
- 未知 | 81586次下載 | 10 積分
- 7Keil工具MDK-Arm免費下載
- 0.02 MB | 73815次下載 | 10 積分
- 8LabVIEW 8.6下載
- 未知 | 65988次下載 | 10 積分
評論