K210开发2-上手

基于Sipeed Maixduino 开发板 开发
因为对python熟悉,先由maixpy进行开发,在使用boss的固件系统开发。

开机自启动脚本

系统会在/flash或/sd(优先)目录创建boot.py和main.py,开机会自动先执行boot.py,再执行main.py
(如果检测到SD卡则先执行SD卡里的),编辑这两个脚本的内容就可实现开机自启。
注:

  • 出现死循环需要重新烧录
  • boot.py主要用来配置硬件,只配置一次即可
  • main.py可以用于只要运行的程序
    https://github.com/sipeed/MaixPy/blob/972059491227ece63fbfc2cd0e78fe13ee78427d/components/micropython/port/src/maixpy_main.c#L586-L595 执行的源码

Board

这是一个MaixPy板级配置模块,可以在用户层统一python代码,从而屏蔽许多硬件的引脚差异。
即固定引脚对应名称
配置方法
不同开发板对应代码 https://github.com/sipeed/MaixPy_scripts/tree/master/board
将开发板对应的python代码复制出来,在IDE中运行它,就会自动导入config.json,存储在flash上
运行配置代码后会自动重启,此时,引脚就加上名称了

除了先写入以外,还可以使用时再添加
如:

from board import board_info
board_info.load({
	'PIN10':10,
	'BOOT_KEY':16,
	'WIFI_TX':6,
	'WIFI_RX':7,
	'WIFI_EN':8,
})
  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
K210垃圾分类代码是指用K210芯片进行图像识别,对垃圾进行分类的程序代码。 首先,我们需要收集一批包含不同类别垃圾的图像数据作为训练集。这些图像应当涵盖常见的垃圾类别,如纸张、塑料瓶、金属、玻璃等,以及其他不可回收的垃圾。 接下来,我们可以使用深度学习算法,如卷积神经网络(CNN),来训练模型。在K210上进行模型训练时,可以使用开源的深度学习框架,如TensorFlow或PyTorch,将模型转换为适用于该芯片的格式。 在K210的编程中,我们需要借助硬件开发工具链,如Kendryte Standalone SDK,来编写代码。这些工具可以帮助我们控制K210芯片的各个功能部件,并获得摄像头采集的图像数据。 在代码中,我们可以使用图像预处理技术,如缩放、裁剪、归一化等,对输入图像进行处理。然后,将处理后的图像输入到训练好的模型中,进行垃圾分类的推理。 对于每一张输入图像,模型将输出对应垃圾类别的概率分布。我们可以通过设置一个阈值,选择具有最高概率的类别作为最终的分类结果。 最后,我们可以将分类结果显示在屏幕上,或者通过与其他设备进行通信,如蓝牙或Wi-Fi模块,将分类结果传输给其他系统。 总之,K210垃圾分类代码是使用K210芯片进行图像识别和垃圾分类的程序,通过训练模型,处理输入数据,并输出垃圾分类结果。这些代码可以帮助我们实现智能垃圾分类系统,提高垃圾回收的效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值