DT42/BerryNet

它解决了什么问题

BerryNet 将 Raspberry Pi 转变为一个能够本地运行深度学习模型的智能边缘网关。它消除了对云连接的需求，节省了数据传输成本，并使设备能够直接对视觉或传感器事件做出实时响应。

工作原理

它采用模块化架构，其中独立的组件（如摄像头、AI 引擎和数据采集器）通过 MQTT 代理进行通信。该系统支持两个主要的 AI 引擎：LiteRT 和 ONNX Runtime。这些引擎使用预训练模型（如 MobileNet 或 YOLO）处理视频帧或图像，并将结果发布到特定的 MQTT 主题。用户可以通过基于 Web 的仪表板监控这些结果，或通过 Telegram 和 Gmail 等服务接收自动警报。

适用人群

该项目适用于在 Raspberry Pi 硬件上构建 AIoT（人工智能物联网）应用的开发者和爱好者，他们需要一种本地化、注重隐私且分布式的视觉数据或传感器输入处理方式，而无需依赖外部云服务。

主要亮点

• 在边缘硬件上完全离线运行深度学习模型。
• 支持多种输入源，包括 Raspberry Pi 摄像头模块、USB 摄像头和 IP 摄像头。
• 兼容流行的模型格式，如 LiteRT 和 ONNX，并支持 Ultralytics YOLO 模型。
• 采用由 supervisor 管理的模块化组件设计，易于配置和扩展。
• 内置对 Zigbee 传感器（如土壤湿度监测器）的监控支持，并提供自动警报功能。