智能送药小车（二）——K210物体检测，训练模型与部署-Toy模板网

这篇具有很好参考价值的文章主要介绍了智能送药小车（二）——K210物体检测，训练模型与部署。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

线上训练模型参考这篇： Maixhub模型训练平台整体流程
下面仅介绍利用Mx-yolov3训练模型并部署在k210上的整体流程。

采集图片

利用K210采集数据集
使用说明：插上合适的SD卡（最大32GB），采集不同类别图像时要在代码相应位置进行修改（有注释提示），程序运行后按下KEY会进行图像采集并存放在相应类别的文件夹中。

#import os
#print(os.listdir())

##import os
##os.remove("1.jpg")

from Maix import GPIO
from fpioa_manager import fm
import utime, sensor, image, lcd

# 自定义变量
KeyState = 0        # 按键中断标志位
PicName = 0         # 拍摄照片号
SetWindowing = (224, 224)  # 设置图片大小

# 注册 IO，高速 GPIO 口才有中断
fm.register(12, fm.fpioa.GPIO0)
fm.register(16, fm.fpioa.GPIOHS0)

#摄像头初始化
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.set_vflip(1) #摄像头后置方式
sensor.set_windowing(SetWindowing) # 设置图片大小
lcd.init() #LCD 初始化
clock = utime.clock()

# 初始化IO
LED_B = GPIO(GPIO.GPIO0, GPIO.OUT, value=1)
KEY = GPIO(GPIO.GPIOHS0, GPIO.IN, GPIO.PULL_UP)

# 按键中断回调函数
def fun(KEY):
    global KeyState
    utime.sleep_ms(10) #消除抖动
    # 当按键按下后
    if KEY.value() == 0:
        KeyState = 1

# 开启按键中断，下降沿触发
KEY.irq(fun, GPIO.IRQ_FALLING)

while True:
    clock.tick()

    img = sensor.snapshot()

    # 当按键按下，蓝灯闪烁，并存储照片
    if KeyState == 1:

        KeyState = 0

        LED_B.value(0)
        utime.sleep_ms(500)
        LED_B.value(1)

        # 修改目录“/sd/One”
        img.save("/sd/One" + str(PicName) + ".jpg")
        print(PicName, "CAPTURED!")
        PicName+=1

    lcd.display(img)
    #print(clock.fps())

LabelImg数据集标注

labelimg使用教程参考：数据集制作——使用labelimg制作数据集

Mx-yolov3训练模型

我安装的是Mx-yolov3的3.0版本
链接：https://pan.baidu.com/s/1Gl3Qfw5s8LZuu2wc1GTITg 提取码：dvsf
使用教程参考的这一篇：MX-Yolov3本地训练模型的安装和使用

K210端物体检测代码

修改的时候注意以下几点：文章来源地址https://www.toymoban.com/news/detail-633809.html

sensor.set_windowing((224, 224)) 和训练模型采集图片时保持一致
classes 名称修改
task = kpu.load(“/sd/model.kmodel”) 模型名称修改
网络参数修改成Mx-yolov3 计算出的anchor

import sensor,image,lcd,time
import KPU as kpu

#摄像头初始化
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.set_windowing((224, 224))
sensor.set_vflip(1)  #摄像头后置方式

lcd.init() #LCD初始化

clock = time.clock()

#模型分类，按照20class顺序
classes = ['One', 'Two']

#下面语句需要将模型（20class.kfpkg）烧写到flash的 0x500000 位置
#task = kpu.load(0x500000)

#将模型放在SD卡中。
task = kpu.load("/sd/model.kmodel") #模型SD卡上

#网络参数
anchor = (3.0078, 1.1641, 3.5278, 1.3924, 3.7373, 1.5579, 4.2359, 1.6781, 4.4162, 1.89)

#初始化yolo2网络，识别可信概率为0.7（70%）
a = kpu.init_yolo2(task, 0.7, 0.3, 5, anchor)

while(True):

    clock.tick()

    img = sensor.snapshot()
    code = kpu.run_yolo2(task, img) #运行yolo2网络


    if code:
        for i in code:
            a=img.draw_rectangle(i.rect())
            a = lcd.display(img)

            lcd.draw_string(i.x(), i.y(), classes[i.classid()], lcd.RED, lcd.WHITE)
            lcd.draw_string(i.x(), i.y()+12, '%f1.3'%i.value(), lcd.RED, lcd.WHITE)
    else:
        a = lcd.display(img)

    print(clock.fps())#打印FPS