Arduino ：BPI-BIT 设置 Websocket Client(客户端)

最新推荐文章于 2025-03-20 11:09:28 发布
最新推荐文章于 2025-03-20 11:09:28 发布
阅读量1.3k 收藏 4
点赞数
分类专栏： bpibit esp32 arduino 文章标签： bpibit arduino esp32 web-client
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43474408/article/details/95486899
版权
本文档详细介绍了如何在Arduino IDE环境下，利用ESP32开发板BPI-BIT设置WebSocket客户端，包括所需库的安装、代码编写、连接到回显服务器以及编译上传过程。通过实现WebSocket客户端，可以实现与服务器的双向通信，测试时发送的消息会被服务器回显并在串口监视器中显示。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

前言

这篇文章的目的是，学习如何搭建一个简单的 websocket 客户端

操作环境

测试用的开发板： bpibit
测试用的软件： Arduino IDE

库

在下面会运用到 Websocket 库，但是在 IDE 中并没法搜索到，所以只能在 github 上下载。
点击 这个网址

点击 Download ZIP
[外链图片转存失败(img-JqRvxzl7-1562832196419)(3.png)]

将库下载后解压到 Arduino IDE 的库文件中。通常而言，这些库文件位于Windows用户文档（Documents）中名为Arduino的文件夹中。例如，在此示例中，库文件的存储地址为C：\ Users \ MyUsername \ Documents \ Arduino \ libraries

打开 ESP8266-Websocket 文件夹中的 MD5.c 和 MD5.h 文件并重命名以下函数：

函数名 更改为（XXX 可以改为其他内容）
MD5Init MD5InitXXX
MD5Update
最低0.47元/天 解锁文章
paddlepaddle自定义数据集
null
02-25 1103
更多的时候需要自己使用已有的相关数据来定义数据集，那么这里通过一个案例来了解如何进行数据集的定义，飞桨提供了paddle.io.Dataset基类，通过类的集成来快速实现数据集定义。步骤一：继承paddle.io.Dataset类步骤二：实现构造函数，定义数据读取方式，划分训练和测试数据集步骤三：实现__getitem__方法，定义指定index时如何获取数据，并返回单条数据（训练数据，对应的标签）步骤四：实现__len__方法，返回数据集总数目。
使用PaddleOCR模型训练自定义数据集
最新发布
147.258.369
03-20 2278
以训练集为例：建议将训练图片放入同一个文件夹，并用一个txt文件（train_list.txt）记录图片路径和标签，txt文件里的内容如下:注意： txt文件中默认请将图片路径和图片标签用 \t 分割，如用其他方式分割将造成训练报错。
PaddleOCR训练属于自己的模型详细教程（从打标，制作数据集，训练到应用，以行驶证识别为例）(1)
2401_84010865的博客
04-07 2839
前段时间搞了一个PaddleOCR相关的项目, 一路跌跌撞撞，碰了不少壁，往往很多个教程才能拼凑出正确的步骤。所以决定自己写一份详细教程，也是怕自己忘了，以后使用PaddleOCR的时候也可以再翻出来看看。PaddleOCR是一个基于飞桨开发的OCR（Optical Character Recognition，光学字符识别）系统。其技术体系包括文字检测、文字识别、文本方向检测和图像处理等模块。以下是其优点：高精度：PaddleOCR采用深度学习算法进行训练，可以在不同场景下实现高精度的文字检测和文字识别。
【动手学PaddlePaddle2.0系列】手把手教你自定义数据集
lxm12914045的博客
12-09 5362
【动手学Paddle2.0系列】手把手教你自定义数据集 本次将带领大家进行自定义数据集教程，并完整的走完整个项目流程。 # 解压数据集，大家此处可以视自己的情况决定是不是要重新解压。 !unzip -q data/data42610/foods.zip 1 数据集预处理 此部分首先对数据集进行简单的整理，在food_data.csv中写入图像路径，以及对应的标签。 import os all_file_dir = 'foods' # f = open(r'train.txt', 'w') im
PaddleOCR训练自己的数据集（中英文）（全套）和C#部署（半套）
qq_65356682的博客
06-25 2921
PaddleOCR是一个基于飞桨开发的OCR（Optical Character Recognition，光学字符识别）系统。其技术体系包括文字检测、文字识别、文本方向检测和图像处理等模块。以下是其优点：高精度：PaddleOCR采用深度学习算法进行训练，可以在不同场景下实现高精度的文字检测和文字识别。多语种支持：PaddleOCR支持多种语言的文字识别，包括中文、英文、日语、韩语等。同时，它还支持多种不同文字类型的识别，如手写字、印刷体、表格等。
paddleocr - 数据集制作
qq_39066502的博客
06-01 567
准备数据，jpg和json文件放下hone/data/1下面将json和jpg分别拿出来当道json和images文件夹下，方便后面处理。
PaddleOCR 使用教程
gitblog_00776的博客
09-14 1417
PaddleOCR 使用教程 PaddleOCR 项目地址: https://gitcode.com/gh_mirrors/pad/PaddleOCR 1. 项目介绍 Pa...
paddleocr 使用教程
juluwangriyue的博客
02-02 1万+
打开从github上下载的最新PaddleOCR 先对整个项目有一个总体的认识吧：从上到下文件夹依次为：configs、deploy、doc、inference、inference_results、ppocr、PPOCRLabel、StyleText、Tools共9个文件夹。 1、configs文件夹 这个文件夹下是方向分类、文本检测、文字识别的配置文件。配置文件中描述的内容包括如何训练、模型结构、优化器、训练参数、训练数据来源等。 先看训练的脚本train.sh： # recomme.
PaddleOCR使用
热门推荐
kessity的博客
04-08 2万+
目录一 快速安装1 win10安装二 paddleocr package使用说明1 安装whl包2 代码使用 一 快速安装   本节内容来自这里。 1 win10安装 2. 安装PaddlePaddle Fluid v2.0 pip3 install --upgrade pip 如果您的机器安装的是CUDA9或CUDA10，请运行以下命令安装 python3 -m pip install paddlepaddle-gpu==2.0.0b0 -i https://mirror.baidu.com/pypi/
【PaddleOCR的简单使用】
qq_43479628的博客
11-15 7603
【PaddleOCR的简单使用，及对官网低代码平台简单使用】
基于PaddleDetection中SSD算法实现的火焰识别检测源码+数据集+训练好的模型
12-24
基于PaddleDetection中SSD算法实现的火焰识别检测源码+数据集+训练好的模型 配置文件都配置好 数据集都配置好，有数据配置脚本，执行一下即可。 训练好的模型，数据集 备注】主要针对正在做毕设的同学和需要项目实战...
基于paddle+mediapipe注意力机制的表情识别python源码+数据集+模型+项目说明.zip
05-02
用来存放的模型，可以是已有的Paddle格式的模型 # 2. Pages - assets 用到的图片资源 - assets.qrc 使用PySide生成的样式文件 - assets_rc.py GUI界面的样式文件，此目录和根目录都有，我忘记是调用的哪一个了，所以...
paddle深度学习：使用（jpg + xml）制作VOC数据集
12-20
在深度学习领域，数据集是模型训练的基础，特别是对于计算机视觉任务，VOC（PASCAL Visual Object Classes）数据集是一种广泛使用的标准数据集。本文将详细介绍如何利用已有的jpg图像和xml注释文件，来构建符合VOC...
基于paddle+flask实现的猪只识别计数python源码数据集+模型+使用说明（高分项目）.zip
05-14
基于paddle+flask实现的猪只识别计数python源码数据集+模型+使用说明（高分项目）.zip基于paddle+flask实现的猪只识别计数python源码数据集+模型+使用说明（高分项目）.zip基于paddle+flask实现的猪只识别计数python...
paddleocr：使用自己的数据集微调文字识别模型
静谧、淡雅
01-12 3762
PaddleOCR地址：https://github.com/PaddlePaddle/PaddleOCR 注意： 1 OCR半自动数据标注工具：PPOCRLabel 使用python3和pyqt5编写，支持矩形框标注和四点标注模式，导出格式可直接用于PPOCR检测和识别模型的训练。 用于构建训练、验证、测试的数据集。 PPOCRLabel说明和数据集划分方法见如下地址： https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.4/PPOCRLabel
PaddleOCR的快速使用
YOULANSHENGMENG的博客
06-28 4103
PaddleOCR 旨在打造一套丰富、领先、且实用的 OCR 工具库，助力开发者训练出更好的模型，并应用落地。
paddleocr的基本使用
potato123232的博客
01-11 3393
我使用的系统为windows，python版本为python3.7，paddleocr版本为2.7.0.2我的显卡是GTX970M，估计是硬件问题，后续使用代码的时候如果使用GPU就不能预测出结果，但CPU可以预测出结果。但在更新CUDA后，在任务管理器中可以查看到GPU的使用情况(之前很少)综上所述下面安装paddlepaddle-gpu版流程是不一定正确的。
PaddleOCR使用详解
c2861024198的博客
04-07 2万+
文章目录PaddleOCR简介环境配置PaddleOCR2.0的配置环境Docker数据集文本检测使用自己的数据集文本识别使用自己的数据集字典自定义字典添加空格类别文本角度分类文本检测训练模型准备启动训练断点训练指标评估测试检测效果文本识别启动训练评估预测文本角度分类训练启动训练数据增强训练评估预测配置文件说明GlobalOptimizer ([ppocr/optimizer](https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.0/ppocr/
paddleocr训练数据集格式
02-11
### PaddleOCR 训练数据集格式要求 对于PaddleOCR而言，在准备用于训练的数据集时，需遵循特定的结构和命名约定来确保顺利读取与处理。具体来说： #### 文本检测（Text Detection） 文本检测任务中的图像应当被放置于指定目录下，并通过标签文件关联每张图片与其对应的边界框信息。 - **训练数据**应存放在`det_train_images`文件夹内[^4]； - 测试数据则置于`det_test_images`文件夹中； 每个样本由一张输入图像及其相应的标注组成。标注通常保存在一个单独的文字文件里，每一行代表一个矩形区域的位置坐标(xmin, ymin, xmax, ymax)，以及该区域内文字的内容描述(可选)[^1]。 #### OCR识别（Recognition） 针对字符识别部分，同样需要构建类似的组织方式： - 图像存储路径可以是类似于`rec_train_data`这样的名称； - 对应的标签可以通过CSV或其他表格形式提供，其中至少包含两列：一是指向对应图像文件相对路径的字段；二是记录着这张图上所显示的确切字符串内容的另一栏位[^3]。 为了便于理解如何设置这些参数，下面给出一段Python脚本示例，展示怎样加载并解析上述提到的一种常见类型的标签文件——即采用`.txt`扩展名且内部按照行分割多个对象实例的情况下的实现方法： ```python def load_label_file(label_path): labels = [] with open(label_path, 'r', encoding='utf8') as f: lines = f.readlines() for line in lines: parts = line.strip().split('\t') img_name = parts[0] boxes_and_texts = [part.split(',') for part in parts[1:]] label_info = { "image": img_name, "annotations": [{"box": list(map(int, box[:4])), "text": ','.join(box[4:])} for box in boxes_and_texts] } labels.append(label_info) return labels ``` 此函数接受单个参数`label_path`表示标签文件的具体位置，返回值是一个列表，里面包含了所有已解析好的条目。每一个条目的字典结构都清晰地标明了所属图片的名字(`img_name`)还有围绕目标物体绘制出来的多边形顶点座标连同其上的文字说明(`boxes_and_texts`)[^2]。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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