Hardware
Beyond software
Float:Drone
ระบบโดรนตรวจจับวัตถุ · ติดตาม · หลบหลีกแบบเรียลไทม์
FIG.01 — ASSEMBLY
FIG.02 — FLIGHT CONTROL
FLOAT:DRONE เป็นแพลตฟอร์มบินอัจฉริยะบนพื้นฐาน Jetson ที่ใช้ภาพจากกล้องและข้อมูลเซ็นเซอร์ตรวจจับคน ยานพาหนะ อาคาร ไฟไหม้แบบเรียลไทม์ เป็นระบบบินอัตโนมัติที่ติดตามเป้าหมายและหลบหลีกสิ่งกีดขวาง
แยกแยะคน ยานพาหนะ สิ่งปลูกสร้าง และดึงพิกัดตำแหน่ง
กำหนด ID เฉพาะให้วัตถุและติดตามต่อเนื่องระหว่างเฟรม
แยกบุคลากรภายในและบุคคลภายนอกแบบหนึ่งต่อหลาย
รักษาพิกัดศูนย์กลางของเป้าหมายด้วย PID feedback
ตรวจจับระยะสิ่งกีดขวางด้านหน้าแบบเรียลไทม์และหลบหลีก
ควบคุมท่าทาง hover โดยรักษาอัตราหมุนและระดับความสูงให้คงที่
สตรีมวิดีโอแบบเรียลไทม์ + รับส่งคำสั่ง
| บอร์ดหลัก | NVIDIA Jetson Orin Nano / Xavier NX |
| โมดูลกล้อง | กล้อง CSI หรือ USB (รองรับ IMX219, IMX477 ฯลฯ) |
| เฟรม | เฟรมแบบกำหนดเอง S500 (12 นิ้วขึ้นไป) + ออกแบบ 3D Print |
| ตัวควบคุมการบิน | Pixhawk / Cube Orange (เฟิร์มแวร์ ArduPilot) |
| เซอร์โว/มอเตอร์ | บอร์ด PCA9685 PWM (ควบคุมด้วย Python ได้) |
| การสื่อสาร | Wi-Fi 5GHz / โมดูล LTE (ตัวเลือก) / MAVLink + DroneKit / WebSocket |
| พลังงาน | ลิเธียมโพลิเมอร์ 6S + Solar Snap (อยู่ระหว่างพัฒนา) |
Fire:Watch AI
ระบบ AI จดจำอัคคีภัย · บุคคล · วัตถุ (ระบุได้) แบบเรียลไทม์
FIG.01 — YOLO DETECTION
FIG.02 — SMOKE DETECTION
FIG.03 — EDGE INFERENCE
FIG.04 — FIELD CAMERA
ระบบAI จดจำวัตถุแบบเรียลไทม์บนพื้นฐาน YOLO ไม่เพียงตรวจจับอัคคีภัย (ควันและเปลวไฟ) แต่ยังจดจำบุคคลและวัตถุ (ระบุได้) เรียนรู้จากชุดข้อมูลควัน 5,000 ภาพและภาพภูเขาและเมืองปกติของเกาหลี 300 ภาพ รวมถึงชุดข้อมูลที่หลากหลาย เมื่ออุปกรณ์ Edge AI ตรวจพบวัตถุจากภาพ CCTV จะส่งไปยังเซิร์ฟเวอร์ และเซิร์ฟเวอร์จะประเมินสถานการณ์แล้วส่งการแจ้งเตือนไปยังระบบควบคุมทันที
ตรวจจับอัคคีภัย บุคคล และวัตถุแบบเรียลไทม์จากภาพ CCTV แสดงกรอบล้อมรอบและค่าความเชื่อมั่น
อนุมานแบบเรียลไทม์บนอุปกรณ์ Edge ในพื้นที่ แล้วส่งผลตรวจจับไปยังเซิร์ฟเวอร์ทันที
คำนวณว่าเป็นไฟจริงหรือไม่ ทิศทางการลุกลาม ลำดับความสำคัญในการดับ แล้วแจ้งเตือนห้องควบคุม
AI จำแนกเมฆ ควัน การตรวจจับผิดพลาดโดยอัตโนมัติ ติดป้ายเฉพาะอัคคีภัยจริง
ตรวจสอบวิดีโอแบบเรียลไทม์ บันทึกการตรวจจับ ตั้งค่าและจัดการตามกล้องแต่ละตัว
จัดการการตรวจจับผิดพลาดและเพิ่มความแม่นยำผ่านการฝึก AI อัคคีภัยซ้ำตามกำหนดเวลา
| เอนจิน | YOLO (You Only Look Once) |
| ข้อมูลการเรียนรู้ | ภาพควัน 5,000 ภาพ + ภาพภูเขาและเมืองปกติของเกาหลี 300 ภาพ |
| คลาสที่ตรวจจับ | Fire (เปลวไฟ) / Smoke (ควัน) / Person (บุคคล) / Object (วัตถุ) |
| สภาพแวดล้อมการอนุมาน | อุปกรณ์ Edge NVIDIA Jetson (ภาคสนาม) + เซิร์ฟเวอร์ GPU (การอนุมานสองชั้นฝั่งแบ็กเอนด์) |
| ระบบควบคุม | แดชบอร์ดตรวจสอบแบบเรียลไทม์บนเว็บ |