Phase 3: AI Practitioner – MINT Yantra Labs

SeeSehen

Weeks 1–3Wochen 1–3

Week 1Woche 1

Photo Booth BotFotobox-Bot

Pi 5 + camera setup, an image as an array of numbers, LEDs and a button.Pi-5- & Kamera-Einrichtung, ein Bild als Zahlen-Array, LEDs und ein Taster.

Problem:Problem: A camera booth anyone can trigger with one pressEine Fotobox, die jeder mit einem Tastendruck auslösen kann

Week 2Woche 2

Colour HunterFarbjäger

OpenCV filters, HSV masks, contours, and real per-frame latency budgets.OpenCV-Filter, HSV-Masken, Konturen und echte Latenzbudgets pro Bild.

Problem:Problem: Count objects on a desk automaticallyObjekte auf einem Tisch automatisch zählen

Week 3Woche 3

Break the RulesRegeln brechen

Motion detection, a lighting stress test, and agreeing the class privacy rules.Bewegungserkennung, ein Beleuchtungs-Stresstest und die gemeinsamen Datenschutzregeln.

Problem:Problem: Why a rule-based camera fails in a real roomWarum eine regelbasierte Kamera im echten Raum versagt

LearnLernen

Weeks 4–6Wochen 4–6

Week 4Woche 4

Data CollectorDatensammler

Dataset capture, a bias/blur/duplicate report, train/validation/test splits.Datensatz-Erfassung, ein Bias-/Unschärfe-/Duplikat-Report, Train/Val/Test-Aufteilung.

Problem:Problem: A sorter needs examples, not rulesEin Sortierer braucht Beispiele, keine Regeln

Week 5Woche 5

First BrainErstes Gehirn

Teachable Machine to TFLite, on-device thresholds and smoothing.Teachable Machine zu TFLite, Schwellenwerte und Glättung auf dem Gerät.

Problem:Problem: Recognise recyclables live, on-deviceRecycling-Material live auf dem Gerät erkennen

Week 6 · CheckpointWoche 6 · Meilenstein

Train Your Own AIEigene KI trainieren

Transfer learning on the Pi itself, a confusion matrix, a model card.Transfer Learning direkt auf dem Pi, eine Konfusionsmatrix, eine Modellkarte.

Problem:Problem: Train and prove a model without the cloudEin Modell ohne Cloud trainieren und belegen

DetectErkennen

Weeks 7–9Wochen 7–9

Week 7Woche 7

Speed LabTempo-Labor

Latency vs throughput, INT8 quantisation, threaded pipelines, thermals.Latenz vs. Durchsatz, INT8-Quantisierung, Thread-Pipelines, Temperaturmessung.

Problem:Problem: Is it fast enough to be useful?Ist es schnell genug, um nützlich zu sein?

Week 8Woche 8

Object SpotterObjekt-Spotter

YOLO26n real-time object detection, IoU/NMS, centroid tracking.YOLO26n-Objekterkennung in Echtzeit, IoU/NMS, Schwerpunkt-Tracking.

Problem:Problem: Count items crossing a conveyorTeile auf einem Förderband zählen

Week 9Woche 9

Teach YOLO New TricksYOLO Neues beibringen

Image annotation, a custom YOLO dataset, fine-tuning on the Pi.Bildannotation, ein eigener YOLO-Datensatz, Fine-Tuning auf dem Pi.

Problem:Problem: Detect our own objects, not just the standard onesEigene Objekte erkennen, nicht nur Standardklassen

Deploy — The CapstoneEinsetzen — Der Abschluss

Weeks 10–12Wochen 10–12

A headless edge-AI system, evaluated against its own specEin bildschirmloses Edge-AI-System, ausgewertet gegen die eigene Spezifikation

Pairs choose a capstone in Week 4 and build toward it from Week 7 — a real camera, a trained or fine-tuned model, and a physical action, running without a screen. They choose from six original briefs:Zweierteams wählen in Woche 4 ein Abschlussprojekt und arbeiten ab Woche 7 darauf hin — eine echte Kamera, ein trainiertes oder feinabgestimmtes Modell und eine physische Aktion, ganz ohne Bildschirm. Sie wählen aus sechs eigenen Aufgabenstellungen:

Smart Recycling SorterSmarter Recycling-Sortierer

Camera and trained classifier drive a servo flap to sort waste into the right bin, live.Kamera und trainierter Klassifikator steuern eine Servo-Klappe, um Abfall live in die richtige Tonne zu sortieren.

Lab Tool CheckerWerkzeug-Kontrolle

A custom-trained YOLO model counts tools on the bench and flags what's missing.Ein eigens trainiertes YOLO-Modell zählt Werkzeuge auf der Werkbank und meldet Fehlendes.

Plant Care MonitorPflanzenpflege-Monitor

Classifies healthy, thirsty or yellowing leaves and logs it with a buzzer alert.Klassifiziert gesunde, durstige oder vergilbte Blätter und protokolliert mit Summer-Alarm.

Gesture ControllerGestensteuerung

A hands-only gesture classifier drives a Phase 2 robot with no touch controls.Ein reiner Handgesten-Klassifikator steuert einen Phase-2-Roboter ganz ohne Berührung.

Conveyor CounterFörderband-Zähler

YOLO detection plus tracking counts parts crossing a line — no hand-counting.YOLO-Erkennung mit Tracking zählt Teile über eine Linie — ohne Handzählen.

Open BriefFreie Aufgabenstellung

A team-proposed school problem, approved against the class privacy rules.Ein von den Schülern vorgeschlagenes Schulproblem, geprüft gegen die Datenschutzregeln.

Week 12 — Showcase Day. A live demo and 5-minute pitch for parents, teachers and the school coordinator, a full evaluation against the original spec, and a Phase 4 preview. Woche 12 — Showcase-Tag. Eine Live-Vorführung mit 5-minütigem Pitch für Eltern, Lehrkräfte und die Schulkoordination, eine vollständige Auswertung gegen die ursprüngliche Spezifikation und ein Ausblick auf Phase 4.

Bridge to Phase 4: The Week 10 state machine and servo control lead straight into 4-DOF arm pick-and-place and AI waste sorters; the Weeks 7–9 real-time detection pipeline leads into autonomous navigation on a moving robot. Brücke zu Phase 4: Die Zustandsmaschine und Servosteuerung aus Woche 10 führen direkt zu 4-DOF-Roboterarm-Pick-and-Place und KI-Abfallsortierern; die Echtzeit-Erkennungspipeline aus den Wochen 7–9 führt zur autonomen Navigation auf einem fahrenden Roboter.

Enquire About Grades 8–9Anfrage zu Klasse 8–9

Grades 8–9: AI Practitioner Klasse 8–9: KI-Praktiker