Viabilidad y rendimiento de YOLOv5 en Raspberry Pi

Abstract

xi

Resumen Cada año, la Dirección General de Tráfico emprende campañas de concienciación para mitigar el número de accidentes en vías urbanas e interurbanas. Algunos de estos siniestros son fruto de la imprudencia al volante, o sencillamente de no prestar suficiente atención a la hora de conducir. Teniendo esto en mente, los fabricantes de coches están introduciendo las Inteligencias Artificiales en sus vehículos para asistir en la conducción al piloto, tomando el control parcial o total sobre los actuadores electromecánicos e incluso avisando verbalmente al conductor sobre alguna posible infracción, con objeto de aportar un plus de seguridad y calidad como servicios adicionales en el producto final. Por supuesto, estas Inteligencias Artificiales se comercializan como un sistema embebido dentro del propio coche, por lo que se plantea la posibilidad de elaborar un sistema modular utilizando ordenadores de placa reducida para lograr este fin, y así poder aportar esa seguridad a vehículos que anteriormente no disponían de este servicio. Con todo esto presente, en este proyecto se abordan todos los aspectos y fundamentos teóricos sobre las Inteligencias Artificiales aplicadas a la visión artificial, dando un enfoque ascendente y explicando en profundidad su naturaleza y funcionamiento. También se ha desarrollado una aplicación en Python para la detección de imágenes mediante el uso de redes neuronales convolucionales enfocadas a la visión artificial. Dicha aplicación consta de un módulo para de un asistente de voz que enuncia los resultados de la detección utilizando YOLOv5, ofreciendo una interfaz gráfica para la interacción con el usuario. Además, se exponen las características esenciales del sistema de código abierto de YOLOv5 para la detección de imágenes mediante el uso de redes neuronales convolucionales enfocadas a la visión artificial, explicando de forma somera el funcionamiento y la utilidad de sus dependencias. Se han planteado dos entornos de entrenamiento (la nube de Google Colab y la propia Raspberry Pi 4B) para tener un contraste a la hora de analizar su viabilidad en términos de duración, calidad del modelo de inferencia y privacidad de los datos. Ambos entornos utilizarán el mismo conjunto de imágenes para realizar su entrenamiento, el cuál ha sido generado utilizando el framework de roboflow para la clasificación y preprocesamiento de las imágenes. En última instancia, se exponen las conclusiones en base a los resultados obtenidos en cada fase de entrenamiento, analizando las métricas, exponiendo las fortalezas y debilidades de cada entorno escogido, y se proponen soluciones ante los problemas encontrados en ambos entornos, así como una posible línea de continuación implementando físicamente el dispositivo de asistencia a la conducción.

Every year, the spanish Directorate General of Traffic (Dirección General de Tráfico) undertakes awareness campaigns to mitigate the number of accidents on urban and interurban roads. Some of these accidents are the result of reckless driving, or simply not paying enough attention while driving. With this in mind, car manufacturers are introducing Artificial Intelligences in their vehicles to assist the driver in driving, taking partial or total control over the electromechanical actuators and even verbally warning the driver about a possible infraction, in order to provide extra safety and quality as additional services in the final product. Of course, these Artificial Intelligences are marketed as an embedded system within the car itself, so the possibility of developing a modular system using small-board computers to achieve this end is being considered, and thus be able to provide this safety to vehicles that previously did not have this service. With all this in mind, this project addresses all the aspects and theoretical foundations of Artificial Intelligences applied to artificial vision, taking a bottom-up approach and explaining in depth their nature and how they work. A Python application has also been developed for image detection using convolutional neural networks focused on artificial vision. This application consists of a module for a voice assistant that announces the results of the detection using YOLOv5, offering a graphical interface for interaction with the user. In addition, the essential features of the YOLOv5 open source system for image detection using convolutional neural networks focused on computer vision are presented, explaining briefly the operation and usefulness of its dependencies. Two training environments (the Google Colab cloud and the Raspberry Pi 4B itself) have been proposed in order to have a contrast when analysing their viability in terms of duration, quality of the inference model and data privacy. Both environments will use the same set of images for training, which has been generated using the roboflow framework for image classification and preprocessing. Finally, conclusions are drawn based on the results obtained in each training phase, analysing the metrics, exposing the strengths and weaknesses of each chosen environment, and proposing solutions to the problems encountered in both environments, as well as a possible line of continuation by physically implementing the driving assistant device.