STM32+亚博K210手写数字识别

2024-03-16 17:10

本文主要是介绍STM32+亚博K210手写数字识别,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!

本文以STM32C8T6为例

使用的是亚博K210视觉识别模块

实现功能:

       由K210识别手写数字,通过K210与STM32的串口通信,将识别到的手写数字传回STM32,最后由OLED显示

接线方式:
STM32与OLED:B8-SCL;B9:SDA
STM32与K210:A2 - Tx;A3 - Rx

 部分代码:

K210主函数代码(main.py)

import sensor, image, time, lcd
from maix import KPU
import gcfrom modules import ybserial
import time
import binasciiserial = ybserial()
#字符串转10进制
def str_int(data_str):bb = binascii.hexlify(data_str)bb = str(bb)[2:-1]#print(bb)#print(type(bb))hex_1 = int(bb[0])*16hex_2 = int(bb[1],16)return hex_1+hex_2def send_data(x,y,w,h,msg):start = 0x24end = 0x23length = 5class_num = 0x0B #例程编号class_group = 0xBB #例程组data_num = 0x00 #数据量fenge = 0x2c #逗号crc = 0 #校验位data = [] #数据组#参数都为0if x==0 and y==0 and w==0 and h ==0:passelse:#x(小端模式)low = x & 0xFF #低位high = x >> 8& 0xFF #高位data.append(low)data.append(fenge) #增加","data.append(high)data.append(fenge) #增加","#y(小端模式)low = y & 0xFF #低位high = y >> 8& 0xFF #高位data.append(low)data.append(fenge) #增加","data.append(high)data.append(fenge) #增加","#w(小端模式)low = w & 0xFF #低位high = w >> 8& 0xFF #高位data.append(low)data.append(fenge) #增加","data.append(high)data.append(fenge) #增加","#h(小端模式)low = h & 0xFF #低位high = h >> 8& 0xFF #高位data.append(low)data.append(fenge) #增加","data.append(high)data.append(fenge) #增加","if msg !=None:#msgfor i in range(len(msg)):hec = str_int(msg[i])data.append(hec)data.append(fenge) #增加","#print(data)data_num = len(data)length += len(data)#print(length)send_merr = [length,class_num,class_group,data_num]for i in range(data_num):send_merr.append(data[i])#print(send_merr)#不加上CRC位,进行CRC运算for i in range(len(send_merr)):crc +=send_merr[i]crc = crc%256send_merr.insert(0,start) #插入头部send_merr.append(crc)send_merr.append(end)#print(send_merr)global send_bufsend_buf = send_merrsend_buf = []
#x_ = 0
#y_ = 0
#w_ = 0
#h_ = 0
msg_ = ""lcd.init()
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.set_windowing((224, 224))
sensor.skip_frames(time = 100)
clock = time.clock()kpu = KPU()
kpu.load_kmodel("/sd/KPU/mnist/uint8_mnist_cnn_model.kmodel")while True:gc.collect()img = sensor.snapshot()img_mnist1=img.to_grayscale(1)img_mnist2=img_mnist1.resize(112,112)img_mnist2.invert()img_mnist2.strech_char(1)img_mnist2.pix_to_ai()out = kpu.run_with_output(img_mnist2, getlist=True)max_mnist = max(out)index_mnist = out.index(max_mnist)msg_ = str(index_mnist)send_data(0,0,0,0,msg_)#封装serial.send_bytearray(send_buf)#发送score = KPU.sigmoid(max_mnist)if index_mnist == 1:if score > 0.999:display_str = "num: %d" % index_mnistprint(display_str, score)img.draw_string(4,3,display_str,color=(0,0,0),scale=2)elif index_mnist == 5:if score > 0.999:display_str = "num: %d" % index_mnistprint(display_str, score)img.draw_string(4,3,display_str,color=(0,0,0),scale=2)else:display_str = "num: %d" % index_mnistprint(display_str, score)img.draw_string(4,3,display_str,color=(0,0,0),scale=2)lcd.display(img)kpu.deinit()

STM32部分代码

#include "stm32f10x.h"                  // Device header
#include "Delay.h"
#include "OLED.h"#include "bsp_usart.h"
#include "K210_use.h" 
#include "OLED.h"char buff_com[50];
msg_k210 k210_msg;
u8 num;int main()
{SystemInit();OLED_Init();OLED_ShowString(1, 1, "STM32_k210number");USART2_init(115200);while(1){if (k210_msg.class_n != 0){if(k210_msg.class_n == 11){sprintf(buff_com,"id = %c\r\n",k210_msg.id);USART2_Send_ArrayU8((uint8_t*)buff_com,strlen(buff_com));num = k210_msg.id-48;k210_msg.class_n = 0;	}	}OLED_ShowString(2, 1, "k210_msg.id:");OLED_ShowNum(2, 13, k210_msg.id, 4);OLED_ShowString(3, 5, "NUM:");OLED_ShowNum(3, 12, num, 2);}
}

完整代码链接:

这篇关于STM32+亚博K210手写数字识别的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/816146

相关文章

使用PyTorch实现手写数字识别功能

《使用PyTorch实现手写数字识别功能》在人工智能的世界里,计算机视觉是最具魅力的领域之一,通过PyTorch这一强大的深度学习框架,我们将在经典的MNIST数据集上,见证一个神经网络从零开始学会识... 目录当计算机学会“看”数字搭建开发环境MNIST数据集解析1. 认识手写数字数据库2. 数据预处理的

java字符串数字补齐位数详解

《java字符串数字补齐位数详解》:本文主要介绍java字符串数字补齐位数,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Java字符串数字补齐位数一、使用String.format()方法二、Apache Commons Lang库方法三、Java 11+的St

Pytorch微调BERT实现命名实体识别

《Pytorch微调BERT实现命名实体识别》命名实体识别(NER)是自然语言处理(NLP)中的一项关键任务,它涉及识别和分类文本中的关键实体,BERT是一种强大的语言表示模型,在各种NLP任务中显著... 目录环境准备加载预训练BERT模型准备数据集标记与对齐微调 BERT最后总结环境准备在继续之前,确

讯飞webapi语音识别接口调用示例代码(python)

《讯飞webapi语音识别接口调用示例代码(python)》:本文主要介绍如何使用Python3调用讯飞WebAPI语音识别接口,重点解决了在处理语音识别结果时判断是否为最后一帧的问题,通过运行代... 目录前言一、环境二、引入库三、代码实例四、运行结果五、总结前言基于python3 讯飞webAPI语音

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像

Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)

《Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)》本文介绍了如何使用Python和Selenium结合ddddocr库实现图片验证码的识别和点击功能,感兴趣的朋友一起看... 目录1.获取图片2.目标识别3.背景坐标识别3.1 ddddocr3.2 打码平台4.坐标点击5.图

如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解

《如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解》:本文主要介绍如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别的相关资料,描述了如何使用海康威视设备网络SD... 目录前言开发流程问题和解决方案dll库加载不到的问题老旧版本sdk不兼容的问题关键实现流程总结前言作为

Java数字转换工具类NumberUtil的使用

《Java数字转换工具类NumberUtil的使用》NumberUtil是一个功能强大的Java工具类,用于处理数字的各种操作,包括数值运算、格式化、随机数生成和数值判断,下面就来介绍一下Number... 目录一、NumberUtil类概述二、主要功能介绍1. 数值运算2. 格式化3. 数值判断4. 随机

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推