基于树莓派4B的疫情防控系统-终端:(3.1)OLED显示篇-I2c,12864

本篇主要参考:
https://blog.csdn.net/ki1381/article/details/79291138
(懒得打字了,要不咱就去大佬那边康康吧)

亿点小整理:

1.为了方便多场景调用,我加了几个参数进去。

//oledinit()是初始化函数,oleddisplay()是显示函数。如果不需要显示IP,只截这两个就行了
//oledIP() 和 它调用的getIP()是专门显示IP地址的函数

from luma.core.interface.serial import i2c, spi
from luma.core.render import canvas
from luma.oled.device import ssd1306, ssd1325, ssd1331, sh1106
import time
import socket
import fcntl
import struct

serial = i2c(port=1, address=0x3C)
oled = sh1106(serial)
    
def getIP(ifname):
    s = socket.socket(socket.AF_INET, socket.SOCK_DGRAM) 
    return socket.inet_ntoa(fcntl.ioctl( 
        s.fileno(), 
        0x8915,  # SIOCGIFADDR 
        struct.pack('256s', ifname[:15].encode('utf-8')) 
    )[20:24])

def oledIP():
    with canvas(oled) as draw:
        draw.text((2, 5), "IP: " + getIP("wlan0") + '\n' + "I'm working\nbut no people", fill=255)    

def oledinit():
    serial = i2c(port=1, address=0x3C)
    oled = sh1106(serial)

def oleddisplay(In,x,y):
    with canvas(oled) as draw:
        #draw.rectangle(device.bounding_box, outline="white", fill="black")
        draw.text((x, y), In, fill="white")

if __name__ == "__main__":
    oledinit()
    #oledIP()
    In = "hello "
    oleddisplay(In,15,20)

2.some wrongs

我之前看错了调用的是ssd1306()应该用sh1106,虽然能正常显示,但是在刷新屏幕的时候,可能会出现黑屏的问题。。。。困扰了我。。一个周末。。气死

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
基于树莓4B的YOLOv5-Lite目标检测的移植与部署可以参考以下步骤: 1. 硬件准备:准备一台树莓4B主机,具备至少4GB的内存和足够的存储空间。 2. 安装操作系统:在树莓4B上安装支持深度学习的操作系统,如Raspberry Pi OS(之前的Raspbian)。 3. 安装深度学习框架:在树莓上安装适用于ARM架构的深度学习框架,如PyTorch。 4. 下载YOLOv5-Lite模型:从YOLOv5的官方GitHub仓库下载YOLOv5-Lite模型的源代码和预训练权重。 5. 数据集准备:根据目标检测任务的需求,准备适合的训练数据集,并将其转换为YOLOv5可训练的格式。 6. 训练模型(可选):如果没有现成的适用于目标的预训练权重,可以选择在树莓上训练YOLOv5-Lite模型。 7. 模型移植:将训练好的YOLOv5-Lite模型移植到树莓4B上,确保模型能够在树莓上运行。 8. 部署与测试:使用树莓4B的摄像头或者外部摄像头采集图像或视频,并将其输入到模型中进行目标检测,观察模型在树莓上的检测性能。 9. 优化与调整:根据实际情况,进行模型的优化和调整,如调整阈值、模型量化等,以提高模型在树莓上的运行速度和准确性。 10. 应用开发:根据需求,将目标检测模型移植到实际应用中,如智能监系统、机器人等,以实现对目标的实时检测和跟踪。 总之,基于树莓4B的YOLOv5-Lite目标检测的移植与部署需要在树莓上安装深度学习框架、准备训练数据集、移植模型、进行性能测试和优化,最终将模型应用到实际场景中。这需要对深度学习和树莓4B有一定的了解和实践经验。

“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 1
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