久久一本亚洲,久久久久久岛国免费网站,精品少妇三级日本

**非常詳細的視頻和文字教程，講解常見的openmv教程包括巡線、物體識別、圓環(huán)識別、閾值自動獲取等。非常適合學習openmv、K210、K230等項目
視頻合集鏈接在

openmv教程合集 openmv入門到項目開發(fā) openmv和STM32通信 openmv和opencv區(qū)別 openmv巡線 openmv數(shù)字識別教程LCD

?？痮penmv視覺文章鏈接:[https://blog.csdn.net/qq_46187594/category_12900902.html]

另外還有一個:是全網最詳細的STM32項目教學視頻。
功能：PID速度控制、PID循跡、PID跟隨、遙控、避障、PID角度控制、openmv視覺控制、電磁循跡、FreeRTOS、
智能車第一篇在這里:
視頻在這里:

STM32智能小車V3-STM32入門教程-openmv與STM32循跡小車-stm32f103c8t6-電賽嵌入式學習 PID控制算法編碼器電機跟隨

3.5.4-自行訓練數(shù)據集-(openmv神經網絡訓練 openmv模型訓練)

1-使用訓練集識別數(shù)字

本節(jié)這里我們使用線上訓練的方式。

訓練網站: Edge Impulse - The Leading Edge AI Platform https://edgeimpulse.com

注意此章節(jié)教學的采集-訓練-識別過程不僅適用于openmv識別打印數(shù)字，也可以數(shù)字換成手寫體數(shù)字、也可以是把數(shù)字換成紅綠燈限速等交通標志、要識別的一些垃圾比如殘缺的蘋果和易拉罐等垃圾分類場景、還可以識別色環(huán)定位、兩個及其以上不同顏色的小球識別、手勢識別、特定兩個及其以上物體抓取識別等。后面也會更新大家想看的垃圾分析、或者人形識別等。

由于模型訓練是線上網站訓練，所以可能網站布局可能發(fā)生變化，如果復現(xiàn)不了，筆記的教程，也可以嘗試搜索，其他相關最新或者之前的文檔或者視頻教程，下面一些參考教程鏈接，推薦大家出問題后也可以看一下下面的視頻:

訓練神經網絡目標檢測實際道路環(huán)境交通標志: https://www.bilibili.com/video/BV1Qr4y177xi/?share_source=copy_web&vd_source=f5d5850ab773377dff308188468fbc77

38-OpenMV4 Plus訓練神經網絡進行口罩識別: https://www.bilibili.com/video/BV1uU4y1M71J/?share_source=copy_web&vd_source=f5d5850ab773377dff308188468fbc77

如果線上訓練方式出現(xiàn)特殊情況，比如Edge Impulse 網站停止服務或者使用人數(shù)較多排隊擁擠現(xiàn)象，大家可以嘗試用自己電腦本地訓練，由于本地訓練對筆記本性能還有相關系統(tǒng)硬件要求高，所以我們暫時不更新本地訓練方式，下面提供一些相關網站參考了解的鏈接:使用tensorflow2.3訓練數(shù)字識別模型并量化為tflite后部署到openMV上_openmv部署識別模型-CSDN博客

獲得訓練數(shù)據集

這里我們先采集數(shù)據集，可以使用別人采集好的、網絡下載收集、手機拍攝、openmv采集。

建議使用openmv+openmv IDE 根據小車實際使用環(huán)境采集數(shù)據，比如小車上的openmv識別數(shù)字，那么可以把openmv安裝在小車上，然后采集數(shù)字照片數(shù)據

使用openmv IDE采集數(shù)據集

先在openmv上執(zhí)行下面代碼

# This work is licensed under the MIT license.
# Copyright (c) 2013-2023 OpenMV LLC. All rights reserved.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Hello World Example
#
# Welcome to the OpenMV IDE! Click on the green run arrow button below to run the script!

import sensor # 引入感光元件的模塊，用于操作攝像頭傳感器
import time # 引入時間模塊，用于控制時間延遲和FPS計算

# 初始化傳感器
sensor.reset()  # Reset and initialize the sensor. 重置并初始化傳感器
sensor.set_pixformat(sensor.RGB565)  # Set pixel format to RGB565 (or GRAYSCALE) 設置像素格式為RGB565（或者灰度）
sensor.set_framesize(sensor.QVGA)  # Set frame size to QVGA (320x240) 設置幀大小為QVGA（320x240分辨率）
#***************************如果不需要鏡像就注釋掉 下面 的代碼********************
# 設置攝像頭鏡像/翻轉操作，根據攝像頭安裝的方向決定是否需要
sensor.set_vflip(True)  # 垂直方向翻轉。根據實際攝像頭模塊的安裝位置調整是否需要此操作
#?。?！重要：不同攝像頭是否需要鏡像，根據實際情況定。如果不需要鏡像，請注釋掉以下代碼：
sensor.set_hmirror(True)  # 水平方向反轉。根據實際攝像頭模塊的安裝位置調整是否需要此操作
#?。?！重要：不同攝像頭是否需要鏡像，根據實際情況定。如果不需要鏡像，請注釋掉上述代碼。
#***************************如果不需要鏡像就注釋掉 上面 的代碼********************
sensor.skip_frames(time=2000)  # Wait for settings take effect. 等待2秒鐘讓設置生效
clock = time.clock()  # Create a clock object to track the FPS. 創(chuàng)建一個時鐘對象，用于追蹤FPS（每秒幀數(shù)）



while True:
    clock.tick()  # Update the FPS clock. 更新FPS時鐘
    img = sensor.snapshot()  # Take a picture and return the image. 拍攝一張照片并返回圖像
    print(clock.fps())  # 輸出當前的幀率（FPS），用來衡量攝像頭的拍攝速度
    # Note: OpenMV Cam runs about half as fast when connected
    # to the IDE. The FPS should increase once disconnected.
    # 注意：當OpenMV相機連接到IDE時，速度大約是平時的一半。斷開連接后，F(xiàn)PS應該會提高。

點擊
在這里插入圖片描述

如果使用的攝像頭需要鏡像畫面，我們就增加畫面鏡像的代碼增加到下面照片紅色圈出的位置

#***************************如果不需要鏡像就注釋掉 下面 的代碼********************
# 設置攝像頭鏡像/翻轉操作，根據攝像頭安裝的方向決定是否需要
sensor.set_vflip(True)  # 垂直方向翻轉。根據實際攝像頭模塊的安裝位置調整是否需要此操作
#！??！重要：不同攝像頭是否需要鏡像，根據實際情況定。如果不需要鏡像，請注釋掉以下代碼：
sensor.set_hmirror(True)  # 水平方向反轉。根據實際攝像頭模塊的安裝位置調整是否需要此操作
#！??！重要：不同攝像頭是否需要鏡像，根據實際情況定。如果不需要鏡像，請注釋掉上述代碼。
#***************************如果不需要鏡像就注釋掉 上面 的代碼********************

在這里插入圖片描述
然后點擊新建數(shù)據文件夾

采集中盡量變化你的光照環(huán)境、還有可能拍攝的物體角度，和物體之間的距離。

每種要要識別的種類需要100張，比如能夠標注出1的也就是要有100張。

比如室內開燈、拉開窗簾，關閉窗簾、左邊傾斜一些角度、右邊傾斜一些角度、攝像頭距離近些、攝像頭距離遠些、然后后面背景是黑色，或者灰色白色等。

如果訓練后發(fā)現(xiàn)某個訓練數(shù)字訓練識別結果不好或者某種使用場景識別結果不好，可以再多補一下這個

數(shù)字或者場景的訓練數(shù)據集。

這里我?guī)в?234的照片拍了大概100多張
在這里插入圖片描述
然后繼續(xù)采集5 6 7 8數(shù)字的

新建一個文件夾

如果中間采集的圖片預覽都是灰色就重新啟動
在這里插入圖片描述
創(chuàng)建文件夾

然后大概采集了140張

繼續(xù)采集0和數(shù)字9

然后采集了140多張

去網站訓練數(shù)據

我們使用的線上訓練數(shù)據集網站是:Edge Impulse - The Leading Edge AI Platform https://edgeimpulse.com

由于網站是線上的，所以不定期操作網站的布局和操作會有更新，基礎差的朋友，仔細看課程多看幾遍，或者百度其他相關最新:openmv線上數(shù)據集訓練教程，根據課程內容和網站最新布局進行操作訓練數(shù)據。(課程也會不定期根據線上訓練方法進行更新，但是需要更新的其他教程也很多所以會有延遲，盡量遇到問題可以借助AI和百度解決)

登錄網站
在這里插入圖片描述
如果沒有注冊過需要注冊一下，如果注冊過直接登錄

這個是注冊的
在這里插入圖片描述

點擊這個，或者退到主頁

選擇一下我們使用的板子

這里openmv 只有一個openmv cam h7 plus 所以我們無論使用openmv H7 和openmv H7 plus都選擇這個
在這里插入圖片描述

選擇上傳文件

然后選擇文件

每次上傳一些圖片，然后

問我們是否在圖像檢測可以點擊是

繼續(xù)

然后繼續(xù)上傳直到把三個文件夾照片都傳上去

如果中間有偶爾幾個文件沒有傳上去，也不用管