BerryNet
BerryNet
智能家居
3/5
🧩 软硬件结合
已发布
项目简介
Deep learning gateway on Raspberry Pi and other edge devices
BerryNet 是一个面向边缘设备的深度学习网关项目，旨在将树莓派等低功耗设备转化为具备本地 AI 推理能力的智能网关。该项目由 DT42 团队开发，核心理念是让深度学习推理完全在边缘端完成，无需依赖云端或互联网连接，从而降低数据传输与存储成本，并实现实时响应。
标签
项目特点
在树莓派等边缘设备上本地运行深度学习推理，无需云端连接
支持分类和物体检测两种 AI 引擎（Inception v3、TinyYOLO、MobileNet SSD）
基于 MQTT 的模块化架构，组件可灵活配置
提供 Web 仪表盘（Freeboard）实时显示检测结果
支持 USB 摄像头、RPi 摄像头和 IP 摄像头
支持数据收集器，可保存快照和推理结果用于数据分析
支持自定义数据集重新训练模型
可通过 Supervisor 管理组件生命周期
技术规格
| 支持硬件 | Raspberry Pi 及其他边缘设备 |
|---|---|
| AI 引擎 | 分类引擎 (Inception v3)、物体检测引擎 (TinyYOLO / MobileNet SSD) |
| 通信协议 | MQTT |
| 摄像头支持 | USB 摄像头、RPi 摄像头、IP 摄像头 |
| 输入模式 | 流模式（实时摄像头）和文件模式（图片文件） |
| 仪表盘 | Freeboard（基于 Web） |
| 组件管理 | Supervisor |
| 数据收集 | 支持 MQTT 主题订阅和结果存储 |
| 模型训练 | 支持 YOLOv2/TinyYOLO 自定义数据集训练 |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Raspberry Pi (3B+/4B 等) | 1 | — | 推荐 2GB+ RAM |
| USB 摄像头 或 RPi Camera Module | 1 | — | 可选 IP 摄像头 |
| microSD 卡 (16GB+) | 1 | — | 用于系统镜像 |
| 5V/2.5A 电源适配器 | 1 | — | 为树莓派供电 |
| 以太网线或 WiFi 模块 | 1 | — | 用于网络连接 |
| 触摸屏 | 1 | — | 用于本地仪表盘显示 |
能力画像
⚪ 记忆与知识检索: 2/5
🔵 逻辑推演: 3/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 3/5
⚪ 数理与计算: 3/5
⚪ 动手与操作: 3/5
⚪ 狂热与坚持: 2/5
⚪ 创造与创新: 3/5
项目图库
所需技能
🔧 **动手能力**：需要组装树莓派、连接摄像头、配置网络等基本硬件操作
💻 **编程能力**：需要了解 Linux 命令行、Python 基础、MQTT 概念，以及配置文件编辑
⚡ **电子电路**：基本了解树莓派 GPIO 和摄像头接口
适用场景
智能监控：使用摄像头监控特定区域，实时检测人、动物、车辆等物体
边缘 AI 原型开发：在边缘设备上快速搭建深度学习推理原型
AIoT 教学演示：展示边缘计算与物联网结合的实际应用
分布式智能网络：多个 BerryNet 设备组成分布式 AIoT 网络，协同工作