Распознавание кодов DataMatrix

Ввиду внедрения обязательной маркировки продукции, все большее и большее распространение получают коды DataMatrix. Подробнее о построении системы для распознавания таких кодов мы расскажем на нашем вебинаре, а сегодня поделимся основными фактами:

📎 Размер кода Data Matrix - от 10x10 до 144x144 с максимальной емкостью данных 3116 чисел или 1556 байт.
📎 Коды Data Matrix могут выдерживать до 25% повреждений, оставаясь читаемыми.
📎 Коды Data Matrix можно комбинировать с RFID для получения дополнительных преимуществ автоматизации, таких как считывание вне прямой видимости и одновременное считывание меток.

⚡️Напоминаем, что уже завтра, 27 февраля в 19.00, состоится наш новый вебинар “Машинное зрение в промышленных системах”

Успейте зарегистрироваться: https://rtsoft-swdc.timepad.ru/event/3235162/

☑️ Публикуем презентацию с прошедшего вебинара по машинному зрению!

Непосредственно записью вебинара поделимся немного позднее.

▶️Публикуем запись вебинара по машинному зрению!

Коллеги, делимся новыми датами тренингов на апрель и май 2025:

➡️Основы разработки встраиваемых систем на базе Embedded Linux - 16-17 апреля 2025

➡️Разработка драйверов Linux - 19-23 мая 2025

➡️Углубленный тренинг по загрузчику - 27-28 мая 2025

Для регистрации необходимо заполнить и отправить форму на сайте: https://linuxcourses.rtsoft.ru/

Открываем регистрацию на новый вебинар!

➡️4 апреля в 11.00 состоится новый вебинар от ЦПР РТСофт “Особенности CI/CD в Embedded проектах”

Ссылка для регистрации: https://rtsoft-swdc.timepad.ru/event/3306677/

‼️ Коллеги, по техническим причинам вебинар переносится на 17 апреля, 11.00. Ссылка для регистрации остается актуальной

Зачем нужен CI/CD в embedded проектах?

➡️ Сокращает время вывода продукта на рынок - автоматизация позволяет выводить на прод изменения по мере их готовности

➡️ Позволяет осуществлять контроль версий для всех артефактов - не только исходного кода, но и конфигураций среды, БД, документации

➡️ Улучшает качество продукта при помощи непрырывного тестирования - каждое изменение автоматически проверяется и, при необходимости, вносятся исправления

🔖 - сохраняйте, чтобы не потерять!

Напоминаем:

➡️17 апреля в 11.00 состоится новый вебинар от ЦПР РТСофт “Особенности CI/CD в Embedded проектах”

Ссылка для регистрации: https://rtsoft-swdc.timepad.ru/event/3306677/

ML для embedded: запуск CV-пайплайнов на платах

Машинное обучение всё чаще уезжает с серверов в сторону edge AI - то есть туда, откуда происходят исходные данные: камеры, сенсоры.
Переход на edge ML активно происходит при решении, к примеру, задач видеонаблюдения, промышленности.

Перед запуском нейросети на edge-устройстве важно провести профилирование - то есть процесс анализа производительности. на устройствах с RockChip NPU (нейропроцессорным блоком).

➡️ Для этого используется RKNN Toolkit Profiler — он показывает:
– Время на каждый слой
– Нагрузку на NPU / CPU
– FPS, задержки и узкие места

Зачем это нужно?
– Понять, стоит ли оптимизировать архитектуру
– Найти слабые места до продакшена
– Ускорить вывод фреймов и реакцию системы

Если вы работаете с нейросетями на устройствах Rockchip, то знакомы с SDK RKNN-Toolkit и RKNN-Toolkit2. Сегодня поговорим о различиях этих двух инструментов.

➡️RKNN-Toolkit и RKNN-Toolkit2 ориентированы на разные поколения чипов и задачи: RKNN-Toolkit - для более старых чипов, таких как RK3399Pro, RK1808, а RKNN-Toolkit2 предназначен для более новых (RK3566, RK3568, RK3588)

Также RKNN-Toolkit2 отличает переписанный и улучшенный, более гибкий пайплайн. При этом он не совместим со старыми устройствами.

Что касается RKNN-Toolkit, то его развитие остановилось и он более не поддерживается, в то время как вторая версия обновляется до сих пор.

#embedded_ML@rtsoftcourses

ML для обнаружения объектов и сопоставления с каталогом: что нужно знать

Задача часто может звучать так: найти объекты на изображениях и сопоставить их с каталогом. Рассмотрим краткие особенности решения.

В качестве baseline можно использовать foundation-модели Segment Anything и DINOv2: сначала на изображении автоматически генерируются сегментационные предложения, затем каждое из них сопоставляется с заранее отрендеренными CAD-шаблонами, используя сравнение cls-токенов DINOv2.

➡️ На стадии поиска объектов очень важно учитывать учитывать категории сегментации и метрики качества: в задачах сопоставления можно применять эмбеддинговые модели и методики zero-shot классификации, а повышать точность - через активное обучение и автоматическое обновление датасета по ошибочным предсказаниям.

#ML@rtsoftcourses

Открываем регистрацию на новый бесплатный вебинар “Обнаружение объектов и сопоставление с базой при помощи ML”!

Программа вебинара:

1. Постановка задачи
- поиск объектов
- сопоставление с каталогом

2. Бэйзлайн системы

3. Обнаружение объектов
- детектор на реальных данных
- детектор на синтетике
- сегментация на смешанных данных

4. Стадия поиска объектов
- категории сегментации
- метрики сети

5. Классификация объектов из католога

6. Масштабируемость ситемы

7. Метрики системы

8. Потенциальные способы повышения точности

➡️Когда: 15 мая в 11.00

Ссылка для регистрации: https://rtsoft-swdc.timepad.ru/event/3359507/

#ML@rtsoftcourses #вебинар

🔥Обновили расписание тренингов!

Делимся новыми датами проведения потоков:

➡️ Основы разработки встраиваемых систем на базе Embedded Linux: 18-19 июня 2025, 29-30 июля 2025

➡️ Разработка драйверов Linux: 7-11 июля 2025

➡️ Углубленный тренинг по загрузчику: 23-24 июля 2025

➡️ Углубленный тренинг по CI/CD и разработке системных компонент: 25-26 июня 2025

➡️ Тренинг по 4diac: 16-17 июля 2025

Ознакомиться с программой и подать заявку на обучение можно по ссылке

Нужен ли вам real-time Linux?

Многие путают real-time с высокой скоростью. Но на самом деле real-time не гарантирует скорость, но гарантирует предсказумость: он позволяет сделать так, чтобы операция закончилась тогда, когда должна, а не просто как можно быстрее.

Несколько вопросов, которые помогут понять, а нужна ли вам real-time система:

🔵Есть ли среди требований необходимость соблюдения сроков? Если система будет давать результаты с задержкой по времени, будут ли эти результаты по-прежнему ценны/полезны для решения поставленной задачи? Например, будут ли такие задержки влиять на чью-либо безопасность или понижать качество предоставляемой бизнесом услуги.

🔵Устанавливает ли какое-либо внешнее устройство, взаимодействующее с прикладным ПО, какие-либо временные требования к обработке своих сообщений?

🔵Могут ли некоторые из прикладных задач иметь более высокий приоритет в вашем проекте, чем, например, собственный сетевой код Linux или службы файловой системы? Важно помнить, что Linux запускает множество фоновых потоков вместе с пользовательскими приложениями, и что это может помешать работе вашего приложения.

🔵Нужна ли точная временная детализация для отражения задержек и тайм-аутов?

Итак, если вы ответили утвердительно на один или несколько вопросов, то вам следует рассмотреть возможность использования ядра Linux с поддержкой реального времени.