k210识别物体的基本流程（kpu库函数）

最新推荐文章于 2025-02-24 10:01:58 发布

z5z5z5z56

最新推荐文章于 2025-02-24 10:01:58 发布

阅读量1w

点赞数 19

分类专栏：机器视觉文章标签：图像识别 python 计算机视觉

本文链接：https://blog.csdn.net/z5z5z5z56/article/details/119213815

版权

机器视觉专栏收录该内容

3 篇文章

订阅专栏

这篇博客详细介绍了如何使用KPU函数进行物体识别，包括加载模型的两种方法、初始化过程以及在循环中进行图像识别的步骤。示例代码展示了一个口罩识别的例子，通过kpu.run_yolo2在图像上运行模型，根据置信度和类别ID进行不同颜色的框选，并显示识别结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对于一个根据模型识别物体的脚本，见到了好几种写法，差点把我弄晕了
比如有以下两种写法：

有在if __name__ == "__main__":（# if name == ‘main’: 下的代码只有在第一种情况下（即文件作为脚本直接执行）才会被执行，而 import 到其他脚本中是不会被执行的。）中调用main，在main函数中封装物体识别代码的，还加了一堆try，expect非常健壮
也有直接按流程写下来的

所以，这里简单整理一下识别的基本调用函数，主要是围绕kpu函数进行的

导入库（sensor, image, lcd, time，import KPU as kpu）和一些sensor初始化
加载模型kpu.load，这里有使用地址和kmodel模型文件两种方法
1.task = kpu.load(0x500000)，使用之前需要先使用kflash_gui软件将smodel文件或kfpkg文件烧录到指定地址上
2.task = kpu.load("/sd/m.kmodel")，使用前需要先将模型拷贝到sd卡中
kpu初始化_ = kpu.init_yolo2(task, 0.5, 0.3, 5, anchor),task在上一步生成，anchor是每一个模型唯一的数值数组，在训练模型下载下来的boot代码中有这个数组信息
以下代码在死循环中进行：
拍一张照img = sensor.snapshot()
objects = kpu.run_yolo2(task, img)在相机拍到的图像上跑模型，如果相似放到objects
如果相似if objects:，整个方框把物体框起来
对于for obj in objects:每个obj含有三个参数：置信度confidence = float(obj.value())范围itemROL = obj.rect() 对应物体的label名所在位置（比如classes = [‘unmask’,‘masks’]中0或1）classID = int(obj.classid())，可以根据置信度调整识别结果，范围画框框，根据id显示判断结果

最后附上一个没用if __name__ == 'main':写法的识别口罩的例子：

import sensor, image, lcd, time
import KPU as kpu

color_R = (255, 0, 0)
color_G = (0, 255, 0)
color_B = (0, 0, 255)


class_IDs = ['no_mask', 'mask']


def drawConfidenceText(image, rol, classid, value):
    text = ""
    _confidence = int(value * 100)

    if classid == 1:
        text = 'mask: ' + str(_confidence) + '%'
    else:
        text = 'no_mask: ' + str(_confidence) + '%'

    image.draw_string(rol[0], rol[1], text, color=color_R, scale=2.5)



lcd.init()
sensor.reset(dual_buff=True)
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.set_hmirror(0)
sensor.run(1)


task = kpu.load(0x500000)


anchor = (0.1606, 0.3562, 0.4712, 0.9568, 0.9877, 1.9108, 1.8761, 3.5310, 3.4423, 5.6823)
_ = kpu.init_yolo2(task, 0.5, 0.3, 5, anchor)
img_lcd = image.Image()

clock = time.clock()
while (True):
    clock.tick()
    img = sensor.snapshot()
    code = kpu.run_yolo2(task, img)
    if code:
        totalRes = len(code)
        
        for item in code:
            confidence = float(item.value())
            itemROL = item.rect()
            classID = int(item.classid())

            if confidence < 0.52:
                _ = img.draw_rectangle(itemROL, color=color_B, tickness=5)
                continue

            if classID == 1 and confidence > 0.65:
                _ = img.draw_rectangle(itemROL, color_G, tickness=5)
                if totalRes == 1:
                    drawConfidenceText(img, (0, 0), 1, confidence)
            else:
                _ = img.draw_rectangle(itemROL, color=color_R, tickness=5)
                if totalRes == 1:
                    drawConfidenceText(img, (0, 0), 0, confidence)

    _ = lcd.display(img)

    print(clock.fps())

_ = kpu.deinit(task)