در این پروژه، از Raspberry Pi 5 برای پیادهسازی یک سیستم تشخیص تصویر بلادرنگ با استفاده از مدلهای YOLO و استقرار خودکار با ابزارهای DevOps استفاده کردم. هدف، ایجاد یک سیستم سبک، قابل حمل و همیشهروشن بود که بتواند تصاویر را تحلیل کرده و نتایج را بهصورت بلادرنگ ارسال کند.
سیستم توانست تصاویر را بهصورت real-time تحلیل کرده و نتایج را به سرور مرکزی ارسال کند. کل سیستم با docker-compose در کمتر از ۳۰ ثانیه راهاندازی میشود و هر تغییر کدی با Push به گیت، روی Pi اعمال میشود.
📷
نمایی از اجرای YOLOv5 روی Raspberry Pi 5 با استفاده از Docker
📷
پایپلاین CI/CD روی GitHub برای استقرار خودکار پروژه
Raspberry Pi 5 با ترکیب قدرت inference مدلهای AI سبک و ابزارهای DevOps، میتواند بخشی از یک زیرساخت واقعی باشد.
اگر سوال یا تجربهای در این حوزه دارید، خوشحال میشوم گفتگو کنیم.
📷
امیر دربندی | توسعهدهنده بکاند و عاشق معماری نرمافزارهای چالشبرانگیز