Un manometro analogico continua a fare il suo lavoro, ma i suoi numeri restano chiusi in un quadrante di vetro. Il progetto di Michael Ross risolve il problema senza toccare lo strumento: una webcam USB lo osserva e un modello di edge AI su Arduino UNO Q stima la pressione in locale. Il prototipo è una piccola stazione di pompaggio simulata, con manometro da 0-60 PSI, indicatori RUN e FAULT e una perdita d’aria controllata per testare la lettura continua.
L’idea di fondo è semplice. Invece di sostituire la strumentazione esistente, si aggiunge un nodo di monitoraggio economico che la digitalizza. Così un impianto già installato può entrare in una rete di dati senza fermarsi per una revisione.
Dalla webcam al modello di regressione in ONNX
La pipeline cattura frame a 1920×1080, ritaglia una regione fissa di 700×700 pixel attorno al manometro e la ridimensiona a 224×224 con normalizzazione ImageNet. Poi esegue l’inferenza e converte l’output in PSI circa due volte al secondo. Il modello finale è esportato in ONNX e gira sull’UNO Q con ONNX Runtime.
Il percorso per arrivarci ha richiesto più tentativi. Il primo usava un modello vision-language SmolVLM da circa 500M parametri, eseguito direttamente sull’UNO Q. Funzionava, ma non in modo affidabile: a volte confondeva il contrappeso triangolare con la lancetta. Un SmolVLM più grande, da circa 2,2B parametri, girava sull’UNO Q ma impiegava diversi minuti per immagine, quindi era impraticabile per il monitoraggio continuo.
La svolta è arrivata cambiando approccio. Invece di un modello generalista si è passati a un modello specializzato di computer vision con backbone MobileNetV3-Small, trattando la lettura del manometro come un problema di regressione: un’immagine in ingresso, un valore continuo di pressione in uscita. Il dataset di addestramento è stato creato con immagini reali etichettate automaticamente da un modello cloud, che identificava la lancetta lunga, ignorava il contrappeso e la scala interna rossa e leggeva i tick neri in PSI.
Numeri, componenti e precisione misurata
Sul test run indipendente il modello ha avuto un errore medio assoluto inferiore a 1 PSI nelle bande 10-25 PSI. La migliore performance si ha tra circa 10 e 30 PSI. Sono valori che rendono il sistema utilizzabile per il monitoraggio continuo di un impianto, non solo per una lettura spot.
- Arduino UNO Q come unità di calcolo edge
- Webcam Logitech C920e USB per la cattura video
- Hub USB-C Arduino 8 in 1 per collegare la webcam
- Alimentatore USB-C Arduino da 45W
- Manometro analogico 0-60 PSI con scala esterna nera
- Mac con Apple Silicon per lo sviluppo e l’addestramento
Per chi vuole rifare il progetto, il punto di partenza è la scheda. L’Arduino UNO Q 4GB in kit completo con accessori unisce il microcontrollore STM32U585 alla potenza di un processore applicativo, ed è quello che permette di eseguire l’inferenza senza uscire dalla scheda. L’ambiente di sviluppo è Arduino App Lab, con Python 3.9 o superiore per la parte di training e conversione del modello.
Il dimostratore della stazione di pompaggio è stato progettato in Autodesk Fusion e stampato in 3D. L’involucro ospita il manometro, gli indicatori RUN e FAULT e la perdita d’aria controllata. La webcam resta fissa davanti al quadrante, così la regione di ritaglio non cambia tra un frame e l’altro.
Il codice, i file e le prove sul banco sono raccolti nella pagina del progetto su Hackster.io di Michael Ross. Lì si trovano anche i dettagli sul dataset e sull’addestramento del modello.
Lo scenario che si apre è quello di più nodi edge AI che condividono le letture via rete locale o mesh, attraverso un gateway verso un sistema cloud. Oggi un solo UNO Q legge e registra un manometro, ma la stessa pipeline può essere replicata su più strumenti analogici senza modificarli.
Fonte: https://www.hackster.io/michaelbross87/giving-analog-gauges-an-ai-upgrade-c2b7a9
