《DNK210使用指南 -CanMV版 V1.0》第四十八章 自学习分类实验

第四十八章 自学习分类实验
1）实验平台：正点原子DNK210开发板
2）章节摘自【正点原子】DNK210使用指南 - CanMV版 V1.0
3）购买链接：https://detail.tmall.com/item.htm?&id=782801398750
4）全套实验源码+手册+视频下载地址：http://www.openedv.com/docs/boards/k210/ATK-DNK210.html
5）正点原子官方B站：https://space.bilibili.com/394620890
6）正点原子K210技术交流企鹅群:605557868

在上一章节中，介绍了利用maix.KPU模块实现了MNIST的手写数据识别，本章将继续介绍利用maix.KPU模块实现的自学习分类。通过本章的学习，读者将学习到自学习分类应用在CanMV上的实现。
本章分为如下几个小节：
48.1 maix.KPU模块介绍
48.2 硬件设计
48.3 程序设计
48.4 运行验证
48.1 maix.KPU模块介绍
有关maix.KPU模块的介绍，请见第39.1小节《maix.KPU模块介绍》。
48.2 硬件设计
48.2.1 例程功能

• 获取摄像头输出的图像，对三类物体分别采集五张图像后，对采集到的图像进行分类学习，分类学习完成后，在LCD上显示识别出的物体和其对应的得分。
  

48.2.2 硬件资源
本章实验内容，主要讲解maix.KPU模块的使用，无需关注硬件资源。
48.2.3 原理图
本章实验内容，主要讲解maix.KPU模块的使用，无需关注原理图。
48.3 程序设计
48.3.1 maix.KPU模块介绍
有关maix.KPU模块的介绍，请见第48.1小节《maix.KPU模块介绍》。
48.3.2 程序流程图

图48.3.2.1 自学习分类实验流程图
48.3.3 main.py代码
main.py中的脚本代码如下所示：

1. from board import board_info
2. from fpioa_manager import fm
3. from maix import GPIO
4. import time
5. import lcd
6. import sensor
7. import gc
8. from maix import KPU
9. # 省略部分代码
10. fm.register(board_info.KEY2, fm.fpioa.GPIOHS2)
11. key2 = GPIO(GPIO.GPIOHS2, GPIO.IN, GPIO.PULL_UP)
12. lcd.init()
13. sensor.reset()
14. sensor.set_framesize(sensor.QVGA)
15. sensor.set_pixformat(sensor.RGB565)
16. sensor.set_vflip(True)
17. # 构造并初始化自学习分类KPU对象
18. self_learning = KPU()
19. self_learning.load_kmodel("/sd/KPU/mb-0.25.kmodel")
20. # 构造状态机对象
21. state_machine = StateMachine(state_handlers, event_handlers, transitions)
22. state_machine.emit_event(EVENT.POWER_ON)
23. # 构造按钮对象
24. key2_btn = Button()
25. btn_ticks_prev = time.ticks_ms()
26. fps = 0
27. clock = time.clock()
28. while True:
29.     gc.collect()
30.    clock.tick()
31.     # 获取按键状态并处理
32.    btn_ticks_cur = time.ticks_ms()
33.    delta = time.ticks_diff(btn_ticks_cur, btn_ticks_prev)
34.    btn_ticks_prev = btn_ticks_cur
35.     if key2.value() == 0:
36.        key2_btn.key_down(delta)
37.     else:
38.        key2_btn.key_up(delta)
39.     # 获取摄像头输出图像
40.     img= sensor.snapshot()
41.     # 通过状态机进行自学习及分类过程
42.     if state_machine.current_state == STATE.CLASSIFY:
43.        scores = []
44.        feature = self_learning.run_with_output(img, get_feature=True)
45.        high = 0
46.        index = 0
47.        for j in range(len(features)):
48.            for f in features[j]:
49.                 score = self_learning.feature_compare(f, feature)
50.                 if score > high:
51.                     high = score
52.                     index = j
53.        if high > THRESHOLD:
54.            a = img.draw_string(5, 200, "class:{},score:{:2.1f}".format(index + 1, high), color=(0, 255, 0), scale=1.8)
55.     # 显示帧率
56.     if lcd_show_fps:
57.        img.draw_string(5, 5, "{:.2f}fps".format(fps), color=(0, 255, 0), scale=1.5)
58.     # 显示状态机消息
59.     if msg_notification:
60.        img.draw_string(5, 30, msg_notification, color=(255, 0, 0), scale=1.8)
61.     lcd.display(img)
62.     fps= clock.fps()

复制代码

可以看到一开始是先初始化了LCD和摄像头，并分别构造并初始化了用于自学习分类的KPU对象，和用于处理按钮事件的按钮对象，以及控制整个应用裸机的状态机对象。
然后便是在一个循环中，不断地获取按键状态和摄像头输出的图像，然后根据状态机对象的处理，依次进行多种物体的图像采集、自学习和分类，最后在LCD上显示分类结果。
48.4 运行验证
将DNK210开发板连接CanMV IDE，点击CanMV IDE上的“开始(运行脚本)”按钮后，并根据LCD上的提示进行物体图像的采集，如下图所示：

图48.4.1 采集物体1图像

图48.4.2 采集物体2图像
物体的图像采集完毕后，便可在自学习完成后进行物体分类，如下图所示：

图48.4.3 检测物体1

图48.4.4 检测物体2

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！