Ik maak een edge ai computer vision app voor raspberry pi of jetson
Ai en Computer vision oplossingen
Over deze dienst
Ben je het zat dat cloud AI traag en duur is? Draai het op je eigen apparaat in plaats daarvan.
Ik bouw en implementeer computer vision systemen die direct op Raspberry Pi en Jetson hardware in real-time werken, offline, zonder cloudkosten en zonder vertraging. Detectie, tracking, tellen, anomalie detectie alles draait lokaal op je edge apparaat.
Wat maakt dit anders dan gewone CV gigs:
De meeste verkopers geven je een Python script dat op een laptop draait. Ik optimaliseer specifiek voor edge hardware, ONNX export, TensorRT versnelling, INT8/FP16 kwantisatie zodat je model daadwerkelijk op beperkte hardware op bruikbare FPS draait.
Waar ik mee werk:
- Hardware: Raspberry Pi 4/5, Jetson Nano, Jetson Orin, Jetson Xavier
- Modellen: YOLOv8, MobileNetV3, EfficientDet, aangepaste architecturen
- Optimalisatie: ONNX, TensorRT, OpenVINO, model kwantisatie
- Talen & tools: Python, OpenCV, PyTorch, FastAPI
Typische gebruiksgevallen:
- Beveiligingscamera's, industriële defectdetectie, retail people counting, landbouwmonitoring, robotica vision.
Wat je krijgt:
- Volledig werkend model dat op je apparaat draait
- Geoptimaliseerd voor real FPS op jouw specifieke hardware
- Netjes gedocumenteerde Python code
- Setup- en installatiehandleiding
- Broncode altijd inbegrepen, geen uitzonderingen
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Moet ik mijn fysieke apparaat naar je opsturen?
Nee. Ik ontwikkel en optimaliseer alles op vergelijkbare hardware aan mijn kant en lever kant-en-klare code met een volledige setupgids. Jij hoeft het alleen maar op je apparaat uit te voeren.
Wat voor FPS kan ik verwachten op Raspberry Pi?
Hangt af van het model en de resolutie. Een gequantiseerde YOLOv8n met TensorRT haalt meestal 8–15 FPS op RPi 5 en 25–40 FPS op Jetson Nano. Ik geef je realistische cijfers voor jouw exacte gebruikssituatie voordat we beginnen.
Ik heb geen dataset. Kan je dit toch bouwen?
Ja. Voor veelvoorkomende objecten (mensen, voertuigen, gezichten) werken pretrained gewichten meestal meteen. Voor nichegebruik zoals industriële onderdelen of specifieke gewassen heb je minstens 200–300 gelabelde afbeeldingen per klasse nodig. Ik kan helpen met annotatie als extra service.
Wat als mijn apparaat geen Raspberry Pi of Jetson is?
Stuur me een bericht met de specificaties van je apparaat voordat je bestelt. Ik heb gewerkt met andere ARM-gebaseerde en embedded hardware en kan meestal alles laten werken, ik moet het alleen eerst bevestigen.
Werkt het model zonder internet?
Ja. Dat is het hele idee van edge AI. Alles draait lokaal op je apparaat zonder afhankelijkheid van de cloud zodra het is geïmplementeerd.
Kun je een FastAPI-server toevoegen zodat mijn app het model kan aanroepen?
Ja. Dit is inbegrepen in het Premium pakket en als extra beschikbaar voor ($70) voor Basic en Standard.

