柚子相机——智能烤箱

柚子相机-智能烤箱

一．功能介绍

1. 使用柚子相机作为图像识别工具，对食物进行识别；

2. 根据柚子相机识别到的商品返回数据，显示该食物需要进行烤制几分钟

二．硬件清单

1. 柚子相机

2. 全彩灯块

3. 避障传感器

4. 信号转接块

5. 连接线若干

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

点击新建训练

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），这边选择的是图像分类。

创建数据，上传数据集，名称自行添加；

这边使用柚子相机拍摄了蛋挞，披萨，蛋糕，蒸鱼等其他食物的图片，将四种图片按照不同标签（dt ; ps ; tlms; ; zy ; )上传训练集和验证集；训练图片上传了531张，验证图片40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，也就是框选出图片中提拉米苏，披萨，蒸鱼，蛋挞的位置，并打上标签，标签使用拼音首字母缩写。

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编程这边使用的是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：

柚子相机连接P1P0连接信号转接块

信号转接块：A口连接全彩灯块;B口连接避障传感器

3. 外观绘制

使用激光切割和描线，完成绘制（部分图纸，详细见附件图纸）

黑色为切割线：红色为浅描线

4. 连接方式

使用连接线连接柚子相机和信号分支块；将分开的两个信号口分别连接全彩灯块和避障传感器；

5. 整体展示