LattePanda&AI-手写数字识别

LattePanda&AI-手写数字识别

概述

数字识别（Digit Recognition），是计算机从纸质文档，照片，或其他来源接收和理解并识别可读的数字的能力，具有很大的实际应用价值，例如手写数字识别可以应用在银行汇款单号识别中，以极大的减少人工成本。

本项目中我们将在LattePanda上，使用JupyterLab编写手写数字识别程序，实现在触摸屏上手写数字0~9，就能被程序准确识别出来的效果。

项目基础

识别手写字

硬件准备：

AI主控：LattePanda
输入输出设备：5英寸显示屏、键盘、鼠标

程序编写：

1、双击桌面上的“startpage.sh”，打开JupyterLab，切换到“home/lattepanda/桌面/LattePanda&AI项目实战/”目录下，如下图，检查一下项目必需的3个文件；

2、双击“LattePanda&AI-手写数字识别”，进入该文件夹：

• 可编辑执行程序——扩展名为“.ipynb”，JupyterNotebook下的python程序文件，运行该程序可实现项目效果
• 模型文件——扩展名为“.h5”，由训练程序得来，提取不同手写数字图片的特征来建立对应的模型。当运行项目程序对未知手写数字进行识别时，程序会提取未知手写数字的特征，再与模型进行匹配，最终实现识别效果
• 程序调用文件——python程序，可编辑执行程序的一些底层逻辑封装，项目程序需要调用它才能正常运行

3、双击打开“手写数字识别.ipynb”；

样例代码：

[mw_shl_code=python,false]#导入同目录下的手写数字识别文件
from handwriteDigitRecognition import *

#调用同目录下已经训练好的模型文件
model, _ = Model.load("手写数字识别")

#初始化识别状态为假
predictOnce = False

#窗口的标题栏名称
screen = Screen("手写数字识别")

#定义“清除”函数，该函数通过for循环遍历每一个黑色块
def buttonClearCallback():
    for canvas in canvases:
        canvas.clear()

#设置“清除”按键的位置和大小，背景色为白色，字体颜色为黑色，按下该按键能调用“清除”函数
buttonClear = screen.createButton(700, 0, 100, 50, "清除" , buttonClearCallback, bg = (255,255,255), color = (0,0,0))

#设置设别结果的位置和大小，背景色为白色，字体颜色为黑色
buttonResult = screen.createButton(0, 0, 300, 50, "手写数字:" , None, bg = (255,255,255), color = (0,0,0))

#6个用于手写数字的黑色块，设置位置和大小
canvases = [None]*6
canvases[0] = screen.createCanvas(60, 50, 200, 200)
canvases[1] = screen.createCanvas(280, 50, 200, 200)
canvases[2] = screen.createCanvas(500, 50, 200, 200)
canvases[3] = screen.createCanvas(60, 270, 200, 200)
canvases[4] = screen.createCanvas(280, 270, 200, 200)
canvases[5] = screen.createCanvas(500, 270, 200, 200)

#定义“识别”函数，该函数设置识别状态为真
def buttonRecogCallback():
    global predictOnce
    predictOnce = True

#设置“识别”按键的位置和大小，背景色为白色，字体颜色为黑色，按下该按键能调用“识别”函数
buttonClear = screen.createButton(600, 0, 100, 50, "识别" , buttonRecogCallback,
                                  bg = (255,255,255), color = (0,0,0))

#打开手写数字交互窗口，按下“Q”键退出窗口
if_run = 1
while (if_run == 1):
   
    #如果“识别”按键被按下，通过for循环对每个黑色块内手写字进行识别处理，将识别结果依次显示出来
    if predictOnce:
        predictOnce = False
        buttonResult.txt = "识别结果:"
        for cavas in canvases:
            buttonResult.txt += str(Model.predict(model, cavas.get()))
   
    #打开与显示交互窗口，如果按下Q键，将无法进入下一次while循环
    if screen.show():
        if_run = 0
        screen.quit()[/mw_shl_code]

4、运行程序，当执行到最后一个单元格时，会弹出如下交互窗口；

5、在黑色块中触摸写入数字，
*手写时应保证鼠标不被移动。

写完后触摸“识别”，会在窗口左上角显示识别结果，

6、触摸“清除”会擦除黑色块中的手写数字；

7、按键盘上的“Q”键可退出交互窗口。

项目进阶

交互窗口

如图，我们通过代码中的参数控制交互窗口的显示界面，因此，你可以根据需要调整这些参数以更改或添加交互窗口的背景颜色、文字内容、文字位置大小、手写区域位置大小及数量......

样例代码：

[mw_shl_code=python,false]#导入同目录下的手写数字识别文件
from handwriteDigitRecognition import *

#调用同目录下已经训练好的模型文件
model, _ = Model.load("手写数字识别")

#初始化识别状态为假
predictOnce = False

#窗口的标题栏名称
screen = Screen("手写密码录入系统")

#定义“清除”函数，该函数通过for循环遍历每一个黑色块
def buttonClearCallback():
    for canvas in canvases:
        canvas.clear()

#设置“清除”按键的位置和大小，背景色为白色，字体颜色为黑色，按下该按键能调用“清除”函数
buttonClear = screen.createButton(700, 0, 100, 50, "清除" , buttonClearCallback, bg = (255,255,255), color = (0,0,0))

#设置设别结果的位置和大小，背景色为白色，字体颜色为黑色
buttonResult = screen.createButton(0, 0, 300, 50, "请写入密码:" , None, bg = (255,255,255), color = (0,0,0))

#6个用于手写数字的黑色块，设置位置和大小
canvases = [None]*8
canvases[0] = screen.createCanvas(40, 50, 150, 150)
canvases[1] = screen.createCanvas(230, 50, 150, 150)
canvases[2] = screen.createCanvas(420, 50, 150, 150)
canvases[3] = screen.createCanvas(610, 50, 150, 150)
canvases[4] = screen.createCanvas(40, 270, 150, 150)
canvases[5] = screen.createCanvas(230, 270, 150, 150)
canvases[6] = screen.createCanvas(420, 270, 150, 150)
canvases[7] = screen.createCanvas(610, 270, 150, 150)

#定义“识别”函数，该函数设置识别状态为真
def buttonRecogCallback():
    global predictOnce
    predictOnce = True

#设置“识别”按键的位置和大小，背景色为白色，字体颜色为黑色，按下该按键能调用“识别”函数
buttonClear = screen.createButton(600, 0, 100, 50, "完成" , buttonRecogCallback,
                                  bg = (255,255,255), color = (0,0,0))

#打开手写数字交互窗口，按下“Q”键退出窗口
if_run = 1
while (if_run == 1):
   
    #如果“识别”按键被按下，通过for循环对每个黑色块内手写字进行识别处理，将识别结果依次显示出来
    if predictOnce:
        predictOnce = False
        buttonResult.txt = "计算机密码录入:"
        for cavas in canvases:
            buttonResult.txt += str(Model.predict(model, cavas.get()))
   
    #打开与显示交互窗口，如果按下Q键，将无法进入下一次while循环
    if screen.show():
        if_run = 0
        screen.quit()[/mw_shl_code]

运行效果：

厉害厉害

赞赞赞赞赞！

厉害厉害

不错不错