《DNK210使用指南 -CanMV版 V1.0》第四十七章 MNIST实验

正点原子运营

第四十七章 MNIST实验

1）实验平台：正点原子DNK210开发板

2）章节摘自【正点原子】DNK210使用指南 - CanMV版 V1.0

3）购买链接：https://detail.tmall.com/item.htm?&id=782801398750

4）全套实验源码+手册+视频下载地址：http://www.openedv.com/docs/boards/k210/ATK-DNK210.html

5）正点原子官方B站：https://space.bilibili.com/394620890

6）正点原子K210技术交流企鹅群:605557868

在上一章节中，介绍了利用maix.KPU模块实现了车牌的检测和识别，本章将继续介绍利用maix.KPU模块实现的MNIST识别。通过本章的学习，读者将学习到MNIST识别应用在CanMV上的实现。

本章分为如下几个小节：

47.1 maix.KPU模块介绍

47.2 硬件设计

47.3 程序设计

47.4 运行验证

47.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第39.1小节《maix.KPU模块介绍》。

47.2 硬件设计

47.2.1 例程功能

1. 获取摄像头输出的图像，对图像进行预处理后，送入KPU进行MNIST手写数字识别，然后在LCD上显示识别出的数字和其对应的得分。

47.2.2 硬件资源

本章实验内容，主要讲解maix.KPU模块的使用，无需关注硬件资源。

47.2.3 原理图

本章实验内容，主要讲解maix.KPU模块的使用，无需关注原理图。

47.3 程序设计

47.3.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第47.1小节《maix.KPU模块介绍》。

47.3.2 程序流程图

图47.3.2.1 人脸识别实验流程图

47.3.3 main.py代码

main.py中的脚本代码如下所示：

1. import lcd
   
2. import sensor
   
3. import gc
   
4. from maix import KPU
   
5. lcd.init()
   
6. sensor.reset()
   
7. sensor.set_framesize(sensor.QVGA)
   
8. sensor.set_pixformat(sensor.RGB565)
   
9. sensor.set_hmirror(False)
   
10. # 构造并初始化MNIST识别KPU对象
    
11. mnist_recognizer = KPU()
    
12. mnist_recognizer.load_kmodel("/sd/KPU/uint8_mnist_cnn_model.kmodel")
    
13. while True:
    
14.     # 获取摄像头输出图像
    
15.     img= sensor.snapshot()
    
16.     roi= ((img.width() - img.height()) // 2, 0, img.height(), img.height())
    
17.     img.draw_rectangle(roi, color=(0, 255, 0))
    
18.     # 对图像进行预处理
    
19.    gray_img = img.copy(roi)
    
20.    gray_img.to_grayscale()
    
21.    gray_img.resize(112, 112)
    
22.    gray_img.invert()
    
23.    gray_img.strech_char(1)
    
24.    gray_img.pix_to_ai()
    
25.     # 将图像送入卷积神经网络进行识别，并获取识别结果
    
26.    output = mnist_recognizer.run_with_output(gray_img, getlist=True)
    
27.    number = output.index(max(output))
    
28.    score = KPU.sigmoid(max(output))
    
29.     img.draw_string(2, 2, str(number), color=(255, 0, 0), scale=1.5)
    
30.     img.draw_string(2, 16 + 2, str(score), color=(255, 0, 0), scale=1.5)
    
31.     del gray_img
    
32.     lcd.display(img)
    
33.     gc.collect()

复制代码

可以看到一开始是先初始化了LCD和摄像头，并分别构造并初始化了用于MNIST手写数字识别的KPU对象。

然后便是在一个循环中不断地获取摄像头输出的图像，在对图像进行预处理后，将图像送入卷积神经网络中进行计算和识别，最后将识别出的结果在图像上进行绘制，然后在LCD上显示图像。

47.4 运行验证

将DNK210开发板连接CanMV IDE，点击CanMV IDE上的“开始(运行脚本)”按钮后，将摄像头对手写数字，让其采集到手写数字图像，接着便可以看到LCD上显示了MNIST手写数字识别的结果，显示了识别出的数字结果及其对应的得分，如下图所示：     

图47.4.1 LCD显示MNIST识别实验结果