基于k210的水果分拣 yolov2tiny模型训练(采用darknet)
前言
由于疫情原因,只完成识别部分,主控采用具有kpu加速的k210进行识别,网络传输打算采用esp32。水果分拣是本学期的一次综合实践课程,识别效果一般,勉强可以使用。
哔哩哔哩识别效果
采用堪智官方sdk,帧率大概29左右,在人脸识别demo基础上进行编写
darknet
darknet概述
darknet是基于c语言的小众深度学习框架,是有yolo作者编写,其官网地址darknet官网
darknet安装
在darknet官网有安装的详细方式,安装过程也相对简单,官网教程
这里采用百度aistudio演示,首先是通过git下载源码git clone https://github.com/pjreddie/darknet.git
之后便会在当前文件夹下建立darknet文件夹,cd darknet进入darknet文件夹,
编辑配置可以在makefile文件进行更改,aistudio可以将文件后缀改为txt进行编辑,也可以使用vi进行编辑。
将gpu设置成1,如果使用cpu来训练,速度相当慢。
保存设置,使用make命令完成编译,会在当前文件夹下生成darknet文件。
至此darknet安装完成
训练数据处理
数据处理参照网上一篇文章进行处理link,使用LabelImg工具进行标注,工具采用python和qt进行编译,需要安装相应的库,软件的使用方式在github上有详细介绍,这里不做太多介绍labelimg,
首先是获取训练图片,如果使用的是maix板,可以使用micropython对目标图片进行获取这里借鉴link的代码
import sensor, image, time, lcd
from fpioa_manager import *
from Maix import GPIO
import os
def getMax():
maxnum = 0;
files = os.listdir('/sd')
for file in files:
name = file.split(".")
if(len(name)>1 and name[1] == "jpg"):
if(int(name[0])>maxnum):
maxnum = int(name[0])
return maxnum
fm.register(board_info.LED_R, fm.fpioa.GPIO0)
led_r=GPIO(GPIO.GPIO0,GPIO.OUT)
lcd.init(freq=15000000)
sensor.reset()
sensor.set_pixformat(sensor.RGB565) # Set pixel format to RGB565 (or GRAYSCALE)
sensor.set_framesize(sensor.QVGA) # Set frame size to QVGA (320x240)
sensor.skip_frames(time = 2000) # Wait for settings take effect.
sensor.set_hmirror(0)
sensor.set_windowing((224,224))
clock = time.clock() # Create a clock object to track the FPS.
i = getMax() + 1
def capture():
global i
img = sensor.snapshot()
filename = '/sd/' + str(i) + '.jpg'
print(filename)
img.save(filename)
img.draw_string(2,2, ("%2.1f" %(i)), color=(0,128,0), scale=2)
lcd.display(img)
i = i + 1;
print("Start from %d" % i)
while True:
led_r.value(0)
time.sleep(1)
led_r.value(1)
capture()
这里会自动拍照并进行保存,图片分辨率为224*224
使用labelimg工具对目标进行标注,在
保存文件选择yolo格式,这里有两种保存方式,一种是voc数据集采用的xml文件保存放松,另一种是现在使用的txt文件保存格式,打开保存的txt文件,会显示5个值0 0.48567335243553006 0.5214899713467048 0.9255014326647564 0.9570200573065902
分别代表
物体类别 物体中心位置 x 物体中心位置 y 物体宽度 x 物体高度y
接下来便是划分训练集和测试集
import glob, os
# Current directory
current_dir =