Lenet是一种卷积神经网络，可以用来识别打印的、手写的数字
我们之前就有讲到过利用OpenMV的NCC模板匹配算法来进行数字识别，模板匹配需要我们实现保存需要匹配的数字或者字母的模板图片
比如你要识别0、1、2、…、8、9，那么你就需要保存十张图片来进行数字识别，并且模板匹配对于模板图片的大小和角度是有一定要求的：如果我们的数字大小稍微有所变化或角度稍微有所变化，那么我们的模板图片也需要相应地更改，这也是模板匹配的一定局限性
而Lenet数字识别：我们只需要提前保存Lenet数字识别的神经网络模型文件到我们OpenMV内置的flash中，运行例程即可直接进行数字识别，对于数字大小和角度并没有太大的要求（就算数字的大小或者角度改变了，Lenet仍然可以识别出来）
需要注意的是：无论是NCC模板匹配还是Lenet神经网络数字识别，我们的OpenMV只能够识别相对大一点的数字，像身份证上的的身份证号码这么小的数字OpenMV是无法实现识别的
3.6.5及以后固件删除此例程，OpenMV4 Plus使用TensorFlow Lite替代
nn库被删除了，我们只能自己去训练神经网络了文章来源：https://www.toymoban.com/news/detail-633458.html
就当作了解吧🥀文章来源地址https://www.toymoban.com/news/detail-633458.html
# LetNet数字识别例程
import sensor, image, time, os, nn
sensor.reset() # 复位并初始化传感器。
sensor.set_contrast(3)
sensor.set_pixformat(sensor.GRAYSCALE) #设置图像色彩格式，有RGB565色彩图和GRAYSCALE灰度图两种
# 数字识别没有必要用到彩图RGB565&到了这里，关于OpenMV：18数字识别的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
