垃圾分类模型训练部署教程，基于MaixHub和MaixPy-k210

本文主要是介绍垃圾分类模型训练部署教程，基于MaixHub和MaixPy-k210，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

时间：2023-2-1

本文是图文演示内容，将给大家介绍，在MaixHub上训练模型，然后部署到Maix duino开发板上的流程。我这里用于演示的是垃圾分类任务，大家也可以按照该流程训练自己想要的模型。
通过MaixHub的迁移学习，在Maix-1系列开发板上部署一些简单的模型会很方便。
相比之下，自己使用其它平台训练的模型，例如tensorflow，在模型转换和适配的过程中很容易在一些奇怪的问题上卡住，如果没有比较深入的相关知识，可能比较难解决。（比如我之前就失败了）
我也整理了一些资源链接，包括数据集、软件工具下载地址、技术参考文档、交流群。

在过程中遇到一些问题卡住，也挺正常，那就努力解决它们叭！

个人主页：清风莫追的主页

2024-1-25：
有些惊讶读到这篇文章的还挺多。之前说欢迎大家私聊交流，期间有不少小伙伴私信我问板子的一些问题，我答不上来，“交流”就变成了四处抱歉了，哈哈。
一晃一年过去，相关知识都忘得差不多了，仍希望这篇文章可以给茫然阶段的小伙伴带来一些参考，但遇到问题时，官方文档可能比我好用。

文章目录

我的准备
开始干活
- 在MaixHub训练模型
- - 1、上传数据集
  - 2、创建训练任务，进行训练
  - 3、下载训练好的模型
- 在开发板上运行模型
- - 1、烧录模型文件到板子
  - 2、通过IDE运行模型
  - 3、上传main.py文件到板子（直接板上运行）
结束

我的准备

Maix duino开发板一块（含摄像头配件）
Type-c数据集一根
垃圾的图片数据集
- 分四类垃圾：厨余垃圾、有害垃圾、可回收垃圾、其它垃圾。每类垃圾分一个文件夹，文件夹中就是该类垃圾的图片。
MaixPy IDE（软件）
- 编辑用来调用模型的代码
kflash_gui（软件）
- 将模型文件烧录（下载）到开发板上

数据集：有许多地方可以下载，例如：

中文生活垃圾分类数据集-modelscope
百度飞桨-AIStudio

软件工具：

kflash_gui：下载教程，下载地址-github
MaixPy IDE：MaixPy安装教程

参考文档：

MaixPy参考文档
了解MaixPy建议阅读其中的”入门必看指南“；或者，在你遇到问题时可以在该文档中进行搜索，大部分可以找到。

MaxPy交流群：

群号：696014576

好的，接下来让我们开始叭。

开始干活

在MaixHub训练模型

首先，让我们在浏览器打开MaixHub的网站：MaixHub，任务分为三步：

上传数据集
创建训练任务，进行训练
下载训练好的模型

1、上传数据集

打开MaixHub网站后，点击模型训练

MaixHub

然后创建一个新的数据集

在这里插入图片描述

为数据集起个朴素的名字，选择标注类型

分类：判断一张图片的类别。
检测：比分类更进一步，从图片找到特定物体，得到物体的位置（坐标）和类别

这里我们选择的是分类；检测任务的训练数据标注会比较麻烦。

在这里插入图片描述

然后点击进入我们刚刚创建的数据集，现在它里面还什么都没有

在这里插入图片描述

接着添加标签，依次输入添加本次任务中所有的标签。

我这里是把垃圾分成四类，所以标签有food、harmful、other、recyclable，分别代表厨余垃圾、有害垃圾、其它垃圾、可回收垃圾。

在这里插入图片描述

然后点击一个标签，比如food，接着选择图片，以上传类别为food的图片。

在这里插入图片描述

选中所有food类别的图片，然后点击打开，就可以批量一次性上传所有该类别的图片。

在这里插入图片描述

图片会要加载小一会儿，加载完成后开始上传。
一定要点击“开始上传”！仅仅加载完是没有用的。

在这里插入图片描述

至此，我们就已经成功上传了其中一个类别的图片啦！按照上面的方式，我们可以继续上传其余每个类别的图片。

上传完所有类别的图片后，来到总览，可以大致浏览我们刚刚上传的图片。
接下来，就要用这些图片来训练用于垃圾分类的模型了！

在这里插入图片描述

2、创建训练任务，进行训练

前面我们已经上传好了模型训练所需要的数据，接下来的任务就是用这些数据来训练一个模型。

来到模型训练，项目，我们创建一个新项目。

在这里插入图片描述

填写项目信息。

名称：随便编个
项目类型：需要与我们创建数据集时的类型保持一致，这里我选择图像分类
项目描述：给自己看的，随便写写。

在这里插入图片描述

创建完成后我们就会进入这个项目，选择我们刚刚上传的数据集。

在这里插入图片描述

下一步是训练配置。配置通常很重要，但我们大部分使用默认的就行，深入了解这些配置的意义可能需要学习一些深度学习方面的知识。

随机处理：可以全勾上；增强你的模型抗环境条件干扰的能力。
部署平台：根据你的开发板来选就好，你可以在MaixPy的文档了解到一些板子相关的信息。
如果选择tfjs，你的模型将可以很方便地在手机或电脑的浏览器中运行，体验模型的效果。

数据均衡：如果你上传数据集中，不同类别之间的图片数量差距比较大，就需要开。像我每类都是700张左右，不开也没关系。

在这里插入图片描述

然后滑到网页最下面，点击创建训练任务。

在这里插入图片描述

小小地等待一会儿，就可以看到它开始训练啦！
训练可能会花费10来分钟的时间（与训练配置中的迭代次数成正比）。即使你关闭网页，MaixHub的后台仍然会继续帮你完成训练，你可以在训练记录查看你正在训练、或已经训练好的模型。

在这里插入图片描述

3、下载训练好的模型

将模型下载到电脑本地，为上板做准备。

在训练记录，点击部署。

在这里插入图片描述

选择手动部署，然后下载模型。

在这里插入图片描述

解压下载得到的压缩包，里面包含如下文件：

main.py：python代码文件，执行它调用模型，MaixHub自动生成。也可以自己写。
*.kmodel：模型文件。
report.json：没什么用，训练过程中的一些记录。

我们需要的是下图中main.py和model-27622.kmodel这两个文件。

在这里插入图片描述

在开发板上运行模型

1、烧录模型文件到板子

使用kflash_gui工具，可以完成这个任务。

参考：下载教程，下载地址-github

打开kflash_gui，使用Type-c数据线连接开发板和电脑，然后将.kmodel文件烧录到板子上。我板子上留给模型的烧录地址是0x300000。

烧录到小于这个值的地址，可能会覆盖掉固件。问题也不大，重新刷固件就好（下载固件，然后用kflash_gui烧录到0x000000地址）。

在这里插入图片描述

将.kmodel模型文件上传到板子上后，运行模型可以有两种方式：

通过MaixPy IDE中运行，需要板子连接电脑使用IDE
直接在板子上运行，给板子通电就可以

2、通过IDE运行模型

我们将使用MaxiPy IDE工具完成这个任务。

参考：MaixPy安装教程

打开MaixPy IDE，保证板子连着电脑，然后在IDE中点击左下角的连接按钮（绿色），选择串口，连接成功后按钮会由绿色变成红色。

选择串口：如果不知道选哪个，就都试试叭。

在这里插入图片描述

然后在IDE中打开我们下载的main.py文件，点击左下角的播放按钮，即可开始运行。

在这里插入图片描述

MaixHub给你的main.py文件或许不能直接运行，下面的代码可能需要改一下，因为你的模型是烧录在板子的指定地址的。
只需要用上面那行注释掉的代码代替下面的代码。

在这里插入图片描述

修改如下：

if __name__ == "__main__":try:main(labels=labels, model_addr=0x300000)except Exception as e:sys.print_exception(e)lcd_show_except(e)finally:gc.collect()

如果一切顺利的话，开始体验你的模型吧！祝你好运！

在这里插入图片描述

3、上传main.py文件到板子（直接板上运行）

上传main.py文件到板子后，你可以通过两种途径查看模型的运行效果：

串口终端（还是要连电脑）
板子的屏幕配件（只需给板子通电）

和烧录类似，都是把文件传到板子。但烧录是直接从指定的地址开始，写入二进制文件；而接下来的文件，是上传后交给板子上的文件系统管理的。

打开MaixPy IDE，将IDE连接板子（左下角的连接按钮），连接成功后，在工具栏选择发送文件到开发板即可，选择main.py文件上传。

在这里插入图片描述

接下来演示一下通过串口终端的运行方式。（因为我板子没有屏幕配件？）

虽然和IDE左下角的播放按钮运行一样，需要连接电脑。但串口终端还是有它的优势：
占用板子内存更少
出错时可能显示更多的错误信息

IDE需处于断开连接状态，否则会和串口终端的连接冲突！
然后在工具栏，选择打开终端，串行端口。