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

正点原子

1）实验平台：正点原子DNK210开发板
2）购买链接：https://detail.tmall.com/item.htm?id=782801398750
3）全套实验源码+手册+视频下载地址：http://openedv.com/thread-348335-1-1.html
4）正点原子官方B站：https://space.bilibili.com/394620890
5）正点原子手把手教你学DNK210快速入门视频教程：https://www.bilibili.com/video/BV1kD421G7fu
6）正点原子FPGA交流群：132780729

第四十八章 自学习分类实验

       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：
       47.1 maix.KPU模块介绍
       47.2 硬件设计
       47.3 程序设计
       47.4 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
       1. 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. 
   
10. # 省略部分代码
    
11. 
    
12. fm.register(board_info.KEY2, fm.fpioa.GPIOHS2)
    
13. key2 = GPIO(GPIO.GPIOHS2, GPIO.IN, GPIO.PULL_UP)
    
14. 
    
15. lcd.init()
    
16. sensor.reset()
    
17. sensor.set_framesize(sensor.QVGA)
    
18. sensor.set_pixformat(sensor.RGB565)
    
19. sensor.set_vflip(True)
    
20. 
    
21. # 构造并初始化自学习分类KPU对象
    
22. self_learning = KPU()
    
23. self_learning.load_kmodel("/sd/KPU/mb-0.25.kmodel")
    
24. 
    
25. # 构造状态机对象
    
26. state_machine = StateMachine(state_handlers, event_handlers, transitions)
    
27. state_machine.emit_event(EVENT.POWER_ON)
    
28. 
    
29. # 构造按钮对象
    
30. key2_btn = Button()
    
31. btn_ticks_prev = time.ticks_ms()
    
32. 
    
33. fps = 0
    
34. clock = time.clock()
    
35. 
    
36. while True:
    
37.     gc.collect()
    
38.     clock.tick()
    
39. 
    
40.     # 获取按键状态并处理
    
41.     btn_ticks_cur = time.ticks_ms()
    
42.     delta = time.ticks_diff(btn_ticks_cur, btn_ticks_prev)
    
43.     btn_ticks_prev = btn_ticks_cur
    
44.     if key2.value() == 0:
    
45.         key2_btn.key_down(delta)
    
46.     else:
    
47.         key2_btn.key_up(delta)
    
48. 
    
49.     # 获取摄像头输出图像
    
50.     img = sensor.snapshot()
    
51.     # 通过状态机进行自学习及分类过程
    
52.     if state_machine.current_state == STATE.CLASSIFY:
    
53.         scores = []
    
54.         feature = self_learning.run_with_output(img, get_feature=True)
    
55.         high = 0
    
56.         index = 0
    
57.         for j in range(len(features)):
    
58.             for f in features[j]:
    
59.                 score = self_learning.feature_compare(f, feature)
    
60.                 if score > high:
    
61.                     high = score
    
62.                     index = j
    
63.         if high > THRESHOLD:
    
64.             a = img.draw_string(5, 200, "class:{}, score:{:2.1f}".format(index + 1, high), color=(0, 255, 0), scale=1.8)
    
65.     # 显示帧率
    
66.     if lcd_show_fps:
    
67.         img.draw_string(5, 5, "{:.2f}fps".format(fps), color=(0, 255, 0), scale=1.5)
    
68.     # 显示状态机消息
    
69.     if msg_notification:
    
70.         img.draw_string(5, 30, msg_notification, color=(255, 0, 0), scale=1.8)
    
71.     lcd.display(img)
    
72.     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