柚子相机-新能源车停车场
本帖最后由 柚子相机项目组 于 2024-7-31 08:50 编辑一．功能介绍
1.使用柚子相机作为图像检测工具，对车牌进行框选和识别判定
2.根据柚子相机识别到的商品返回数据，新能源车可进，燃油车进行语音劝阻
二．硬件清单
1.柚子相机
2.拓展板
3.四位数码管
4.语音播报
5.扬声器
6.灰度传感器
7.舵机2个
8.连接线若干
9.摄像头延长线
三．制作步骤
1.模型训练
使用的是Maixhub在线模型训练平台，https://maixhub.com/
登录平台，进入模型训练
新建训练，输入训练项目的名称和类型（类型分为图像分类和图像检测，分类只需要创建不同类物体的文件夹，检测需要对图片添加标注，检测不仅可以识别到物体的种类，也能返回在图像中的坐标位置等信息），名称自拟，这边选择的是图像检测。
创建数据，首先创建数据集，这边使用柚子相机拍摄了新能源车，燃油车的图片，选择数据集中的上传图片，上传了422张，验证图片20张（要求每个图片不低于50张，不超过3000张）
图像标注，对上传的图片进行标注，图像检测需要自行对图片进行框选；首先点击新建标注，添加两种图片不同的标签名称
图片的框选（英文模式）：按下W键后，鼠标移动到图片上方，光标变成十字，对物体进行框选（如图），选择该图片的标签(不同标签，不同颜色）；标签选择好后，点击S键进行保存，按下D键图片切换下一张，按下A键图片切换上一张；每张图片都要进行保存；
创建训练任务，设置训练参数，柚子相机选择awnn模型，图像增强这边选择了随机模糊，商品图片不能镜像和旋转，迭代次数这边选择的100次，理论上迭代次数和识别成功率成正比，但是迭代次数越多训练时间越长，而且达到一定次数后损失率会达到峰值，不会再收敛。
参数设置完成以后可以开始训练，平台端会显示训练的进度，所需时间取决于当前训练的人数和数据集的大小。训练完成后，会生成awnn的模型和main.py主程序，可在线下载，下载完成后将程序和模型拷贝到柚子相机的app文件夹下。
2.程序设计
首先是柚子相机的图像识别的程序，模型训练完成后会生成一个main.py的文件，需对程序进行修改.
Esp32编程使用的是mind+编程
定义串口1是连接柚子相机的，波特率和柚子相机波特率一致115200.
硬件连接：
四位数码管：SDA SCL管脚
舵机：P0 P1管脚
语音播报：P15 P16管脚
灰度传感器：P8 P9管脚
3.外观绘制
使用激光切割和描线，完成绘制;黑色为切割线：红色为浅描线
4.连接方式
首先使用连接线连接柚子相机和拓展板
将四位数码管连接在拓展板的SDA SCL管脚（调换了连接线其中一端黄色和绿色的线序）
将舵机转接块连接在拓展板的P0P1管脚，并将两个舵机插在舵机转接块的A口和B口
将导入语音后的语音播报插在P15P16管脚，连接扬声器
使用转接分支块作为转接中心，在AB两端各衍生一根连接线，分别连接在两个灰度传感器上面
将他们安装在切割好的木板上，整体调试
5.整体展示
https://b23.tv/PACx4dx
页:
[1]