跳到主要内容

案例-城市垃圾桶满溢监测

header1header2

1. 简介​

CamThink 是迈视科技推出的一个全新的以开发者为中心的品牌，旨在让边缘AI对每个人来说都更加简单。我们为社区建设者和企业工程师打造开放、对开发者友好的边缘AI硬件，并帮助他们从早期原型过渡到可靠的实际部署——加速您在边缘AI领域的战略实施。

Camthink NeoEye 301 (NE301) 由搭载 Neural-ART NPU 的 STM32N6 (Cortex-M55) 处理器提供支持，可实现实时 AI 推理和专业级图像处理，且功耗极低。

Home Assistant 是一个免费的开源家庭自动化平台，旨在成为您智能应用的中央“大脑”，它优先考虑本地控制和隐私。截至 2026 年初，Home Assistant 通过其“语音之年”和“集体智慧”倡议，变得更加用户友好。

城市管理的效率往往隐藏在显眼之处，被我们习惯的“低效”所掩盖。如今大多数环卫车辆仍遵循固定路线，即使垃圾桶是空的也会停下来。

在这个用例中，我们将向您展示如何利用 Edge AI 解决方案管理垃圾桶状态，将智慧城市行业的“定时清洁”转变为“按需清洁”。

2. 需求​

硬件：

  • Camthink NeoEye 301，超低功耗视觉 AI 相机。建议使用蜂窝版本。

软件平台：

  • Camthink AI 工具栈：一个端到端的 AI 工具集，涵盖从数据收集、标注、训练、量化到部署的整个工作流程。
  • HomeAssistant：您需要提前在服务器中安装它。

3. 配置指南​

在这部分，我们将逐步向您展示如何实现这个完整的用例。

3.1 正确安装 NE301​

首先，正确安装插入了 SIM 卡的 Camthink NE301，长按按钮 2 至 3 秒以激活 WiFi。

3.2 配置网络和 MQTT 数据转发​

连接以 NE301_<MAC最后6位> 开头的 WiFi 热点，输入默认 IP 地址：192.168.10.10

  • 默认用户名：admin
  • 默认密码：hicamthink

点击登录查看带有详细设置的实时视图。

image1

导航到系统设置 (System settings) 以连接网络。

image2

Camthink NE301 支持 WiFi 和蜂窝模块。选择相应方法以确保网络连接正常。

导航到应用管理 (Application Management) 以配置数据和图片的转发位置。

image3

输入您自己的 MQTT 代理或 AI 工具栈服务器的详细信息：

  • Server address (服务器地址)：MQTT 代理的 IP 地址。
  • Port (端口)：MQTT 服务器的端口，默认值：1883
  • Data Receiving Topic (数据接收主题)：用于控制和触发图像捕获的下行链路命令主题。
  • Data Sending Topic (数据发送主题)：用于传输数据和图片的上行命令主题。
  • Client id (客户端 ID)：MQTT 客户端 ID，部分服务器会验证该值。
  • Username (用户名)：连接 MQTT 服务器的用户名，请根据服务器的需求输入。
  • Password (密码)：连接 MQTT 服务器的密码，请根据服务器的需求输入。

3.3 收集图像，训练并量化模型​

登录您自己的 AI 工具栈服务器以创建新项目。

image4

点击创建新的 AI 模型项目 (Create New AI Model Project)，输入名称和描述。

打开此项目并绑定用于图像采集的设备。您需要先创建此设备。

NE301 拍摄的图片将按配置进行上行传输。

如果您已经准备好图像，直接上传到本平台即可进行模型训练。

在开始训练模型之前，在这里创建一个类 (Class)。在本例中，我们创建两个类来识别垃圾桶是“满溢 (Full)”还是“部分满 (Partial)”。

image5

选择合适的类型来标记对象。

image6

逐个进行操作，以确保所有对象都被正确标记。

如果您已经有数据集，直接在这里上传即可。

点击“训练模型 (Train Model)”开始训练。

image7

点击“新建训练 (New Training)”以创建新任务，保持所有默认设置。

image8

然后开始训练。这需要一点时间。

要将模型部署到 NE301 中，我们需要在将其上传到设备之前对其进行量化。

点击量化 (Quantize) 按钮。

image9 image10

点击开始，这里保持默认设置即可。

image11

完成它需要一点时间。

NE301 模型包 (*.bin) 是精确量化的模型。点击下载。

image12

您也可以在这里测试模型，以确认是否一切正常。

image13

3.4 验证并部署新模型​

让我们回到设备上上传新模型。

点击上传 (Upload) 按钮进行安装。

image14

完成部署后，垃圾桶的状态被正确标记。

image15

您可以上传更多图片来验证性能。

image16

3.5 配置 HomeAssistant 应用程序​

为了让数据对客户更有价值，我们选择 HomeAssistant 进行集成和可视化。您也可以将其连接到其他第三方平台。

打开“设备与服务 (Devices & Services)”以安装 MQTT 集成。

image17

点击添加集成按钮以安装 MQTT 插件。

image18

只需输入 MQTT 即可搜索到它。

选择第二个，并输入在 NE301 中配置的 MQTT 代理。

image19 image20

提交以保存。MQTT 连接已就绪。

在本指南中，我们将尝试一种新方法，通过直接编辑配置文件 /homeassistant/configuration.yaml 来创建 MQTT 设备。

以下是本指南中的配置详细信息：

您需要将 name、state_topic 和 class 值更新为您自己的值。

然后通过点击开发者工具 (Developer tools) 页面中的“手动配置的 MQTT 实体 (Manually configured MQTT entities)”来应用更改。

您将发现传感器已正确创建。

image21

4. 快速测试​

让我们开始监控垃圾桶的液位状态。状态将正确显示数值。

image22 image23 image24

您还可以在历史记录中查看更详细的信息。

image25

HomeAssistant 平台支持其他应用程序触发警报，您可以对其进行配置以实现全面管理。

5. 常见问题 (Q&A)​

Q: 我可以使用相同的 MQTT 代理和 AI 工具栈进行模型训练和量化吗？

A: 本指南中的服务器仅供内部使用。您需要自行安装自己的 AI 工具栈。

Q: 由于芯片组较小，如何提高模型的性能？

A: 您可以在量化过程中尝试将输入大小 (Input Size) 选项设置为 320。

image26

Q: 如何在 HomeAssistant 中设置值模板？

A: 您可以访问 HomeAssistant 网站以获取有关如何使用它的详细信息。以下是 NE301 报告数据的示例：