用 NVIDIA 軟硬體生態系實現 Jetson Nano 物件偵測與數據串流儀表板

專案背景

本文介紹一項開源專案 —「綠蜥蜴檢測與監測」，使用 Jetson Nano 搭配電腦視覺模型進行即時追蹤。

綠蜥蜴（美洲鬣蜥）在台灣野生環境中快速繁殖。農委會林務局表示其對生態造成威脅，包括破壞農業與基礎設施。透過 AI 影像辨識自動監測，能協助主管機關更有效地進行族群管理。

技術架構

整體架構整合 NVIDIA 完整的軟硬體生態系，從資料蒐集到即時推論一氣呵成：

1. 資料蒐集

• 使用 Selenium 爬蟲收集 5,000 張綠蜥蜴影像
• 進行影像標籤化（labeling）

2. 模型訓練

• 採用 NVIDIA Transfer Learning Toolkit (TLT)
• 模型架構：YOLOv4

3. 邊緣部署

• Jetson Nano 作為邊緣運算裝置
• 使用 NVIDIA DeepStream 進行串流推論優化
• TensorRT 進行模型加速

4. 資料儀表板

• Plotly Dash 進行視覺化呈現
• MySQL 資料庫儲存推論結果
• Eclipse Mosquitto 作為 MQTT 代理

完整生態系整合

該專案實現了「即時推論、影像串流與資料傳輸」的完整生態系統整合，從邊緣裝置到後端儀表板，是一個典型的工業級 AI 部署架構。

給學習者的啟示

對想入門 Edge AI 的青少年來說，這個專案展示了：

1. 完整的 AI 工程鏈：不只是訓練模型，而是從資料、訓練到部署、監控的全流程
2. 真實世界問題：用 AI 解決生態保育議題，連結技術與社會關懷
3. NVIDIA 工具鏈：學會 Jetson Nano + DeepStream，等於掌握業界主流 Edge AI 開發環境