K210文章目录K210前言一、准备二、代码前言老样子了先看视频K210人脸追踪一、准备你需要准备一个人脸识别模型然后一个云台就行了二、代码'''人脸追踪'''frommachineimportTimer,PWMimportsensor,lcd,timeimportKPUaskpuclassPid:def__init__(self,Kp,Kd,Ki):self.Kp=Kpself.Ki=Kdself.Kd=Kdself.Bias=0self.angle=0self.Last_bias=0self.Integral_bias=0defOut(self,target,actullay):self.
QPS（QueriesPerSecond）是每秒查询率,是一台服务器每秒能够相应的查询次数，是对一个特定的查询服务器在规定时间内所处理流量多少的衡量标准,即每秒的响应请求数，也即是最大吞吐能力；TPS（TransactionsPerSecond）也就是事务数/秒。一个事务是指一个客户机向服务器发送请求然后服务器做出反应的过程。客户机在发送请求时开始计时，收到服务器响应后结束计时，以此来计算使用的时间和完成的事务个数；并发量指系统同时能处理的请求数量，同样反应了系统的负载能力。这个数值可以分析机器1s内的访问日志数量来得到；吞吐量（Throughput） 是指系统在单位时间内处理请求的数量，TP
第一章：K210介绍K210芯片是一款基于RISC-V架构的嵌入式人工智能芯片，具备低功耗、高性能的特点。它拥有强大的图像处理和机器学习能力，适用于边缘计算设备和物联网应用。为了方便开发者，K210芯片提供了丰富的外设接口，包括摄像头接口、显示接口、WiFi、蓝牙等，同时支持多种编程语言和开发环境，如MicroPython和C语言。在计算机视觉领域，K210芯片被广泛应用于对象检测、人脸识别、图像分类等任务，能够实现快速的图像处理和分析。K210官网第二章：矩形识别的基本原理矩形识别是计算机视觉领域中常见的任务之一，它主要涉及图像处理和机器学习算法。对于图像的预处理，可以根据具体需求选择合适的
目录1.前言2.代码部分1.调用自带的库文件2.将I/O19设置为UART1_RX功能并设置串口3.数据接收函数4.主程序 1.前言 之前更新了K210与STM32之间的串口通信，是K210发送信息STM32接收信息，这篇博客讲解一下K210DOCK接收数据包。2.代码部分1.调用自带的库文件frommachineimportUART#串口库函数fromfpioa_managerimportfm#GPIO重定向函数2.将I/O19设置为UART1_RX功能并设置串口fm.register(19,fm.fpioa.UART1_RX,force=True)uart_A=UART(UART.
k210——串口通信k210一共有3个uart，每个uart可以进行自由的引脚映射。一、API函数介绍1.1register(pin,function,force=True)K210可以通过映射来改变引脚功能，设置引脚（pin）对应的外设功能（func），默认启用强制绑定参数（force=True）pin：功能映射引脚function：芯片功能force：默认为True，强制分配，多次对一个引脚注册例：fromfpioa_managerimportfmfm.register(16,fm.fpioa.GPIO2)1.2新建UART对象uart=machine.UART(uart,baudrate
我接触K210同样也是因为一次比赛，需要进行目标检测并对垃圾进行分类，在接触到K210之前我一直使用各种YOLO版本检测，并部署到树莓派和nano上，一次偶然的机会，我发现了K210，这里要感谢我的一位学长，是他带着我开始了K210的学习，让我从盲目的命令行指令转到Maxipy上使用Python来学习K210。我写下这篇博客是为了记录我的学习生活，并感谢这位帮助我的学长。文章目录前言一、所需环境1.硬件环境2.软件环境二、Mx-yolov31.软件环境配置1.python环境2.相关依赖包3.GPU训练配置4.总结2.开始使用1.模型要求2.开始训练3.模型测试4.转换模型5.部署到K210上
智能送药小车采集图片LabelImg数据集标注Mx-yolov3训练模型K210端物体检测代码线上训练模型参考这篇：Maixhub模型训练平台整体流程下面仅介绍利用Mx-yolov3训练模型并部署在k210上的整体流程。采集图片利用K210采集数据集使用说明：插上合适的SD卡（最大32GB），采集不同类别图像时要在代码相应位置进行修改（有注释提示），程序运行后按下KEY会进行图像采集并存放在相应类别的文件夹中。#importos#print(os.listdir())##importos##os.remove("1.jpg")fromMaiximportGPIOfromfpioa_manage
进行到KPU的又一个应用咯，其实跟前一个人脸识别的应用没有太多的不同。物体识别这里可是分类二十个物体，而人脸识别只是一个简单的二分类问题。（理论上机器学习也能做但是效果咋样就不知道了）。大概的程序思路跟上一个实验也是一致的，将该用的函数库导入之后（time,lcd,sensor,maix.KPU,image,gc）进行对应的初始化，初始化完成后就可以开始代码的编写。主要流程就是拍摄照片，导入模型就行识别，如果识别出存在对应物体，就框起来做标识。流程图如下：代码如下啦：！！！！importsensor,image,time,lcdfrommaiximportKPUimportgc#初始化部分lc
在之前我们学会了关于K210的摄像头与lcd的一些应用，那么今天我们了解一些关于K210的一些画图的方法和利用K210进行颜色识别。首先我们明确，什么是画图，为什么要画图。画图指在图片上画出圆，方框，箭头，十字交叉或者字符。我们为什么要画图，其实一个基础的应用就是颜色识别的时候。我们可以把识别到的颜色用一个方框框起来，这样首先可读性会大大增强。其次也方便我们知晓该色块的位置和大小。以及在人脸识别中我们需要利用一个方框将人脸框柱之类。K210中我们之前学习了部分sensor库的内容，而画图所需的相关东西在image中，也就是img=sensor.snapshot（）捕捉图片，而img.来进行相关
K210的入门使用教程（Openmv同适用） 在嵌入式开发中通常会使用到视觉方面的硬件做图像识别，经常使用的小型嵌入式图像识别硬件有个K210,Openmv等，这里介绍的是K210这款可编程机器视觉硬件，它支持一系列广泛的图像处理和神经网络，其最突出的优点是它的算力可以达到1TOPS算力，连我们的树莓派4都甘拜下风，而且它体型小巧价格亲民，目前用它来做视觉方面的项目最好的选择。一、K210环境搭建 安装开发环境IDE不用多说，去官网下载:http://cn.dl.sipeed.com/MAIX/MaixPy/ide/_/v0.2.4下载好以后，用数据线将K210和电脑进
