通过云端自动生成openmv的神经网络模型，进行目标检测

OpenMV训练神经网络模型（目标识别）

一、准备材料：

1.OpenMV4 Plus（低版本的openmv可能算力不够不支持）
2.一根micro usb的数据线
3.电脑、网络

二、软件下载

在openMV官网下载openmv IDEhttps://book.openmv.cc/

下载完毕后进入IDE界面：

三、准备数据集：

1.首先在D盘里创建一个新的文件夹，用来放置一会要存放的数据集：
这里我创建的数据集名为new data

2.打开openmv的IDE，点开工具栏并选择数据集编辑器，点击新数据集：

选择刚刚新建的new data文件夹：

完成后的界面：

3.拍摄需要识别的图像，采集样本数据
连接上我们的openmv，然后运行程序（这个程序是新建文件后自动生成的默认程序），可以看到右侧出现了拍摄到的实时图像。

这里假设我们需要区分空调遥控板或是电视机遥控板，则我们需要新建两个不同的文件夹，例如air_conditioner_RCB和TV_RCB,点击左侧的新建文件夹按钮即可新建文件夹：

接下来就可以开始采集照片了！

（左为电视机遥控器，右为空调遥控器）
4.采集数据集照片：
在连接上openmv后，点击左侧的采集数据来保存当前帧缓冲区内的照片：

（右侧为实时图像，左侧为保存图像）
在拍照时尽量采用多角度的拍摄，并且大概每组数据在100-200张左右。

采集完毕之后进入下一步。

四、数据集的上传与训练

这里使用的是云端的edge impulse网站来进行模型的训练及自动生成。只需要将我们刚刚得到的数据集上传即可获得openmv可使用的训练模型，并进行目标识别。

1.用户的登录
点击右上角Login in进行登录。
新用户需要在这个网站上进行注册，只要邮箱就可以注册。
2.新建工程文件：

选择第一项，图片处理。

准备上传数据。
3.获得key，通过key在openmv上上传数据集：


复制这个API KEY（如果没显示完全，可以选中后右键进入检查，在网页源代码中复制这段文本）
复制完成后打开openmv IDE，找到上传入口（如图所示）

点开后将key粘贴进去。
如果没有显示错误的话（我这里报错了），可以正常上传至云端。
若报错，显示：

出现该错误时，可以直接在网页端直接上传照片文件。

在这上传文件，选项可以选择和图片一致。

右侧显示上传完成后，可以进行下一步。
4.选择处理对象和模式：
这里选择默认的处理模式

保存后左侧选择Image，并配置：

选择后保存后继续配置：

设置好之后点击下方开始训练：

完成训练后，发现数据的准确性还是非常高的（100%）
5.可以选择配置保存版本


保存了第一版，之后如果需要调用可以直接取该版本。
6.导出训练模型，移植到openmv中：

选择openmv后点击build，生成工程文件，下载并解压后得到以下文件。

将这些文件移动到openmv的U盘中：

将python文件拖入IDE中，运行：

可以看到识别的效果还是很不错的，既是在黑色的背景下依旧能够识别到空调遥控器。

识别效果还是很不错的。
当然，它也可以用来识别其他的东西。例如口罩识别，性别识别等等；也可以进行多目标检测，效果还是很不错的。
大家可以关注openmv的官网，也有较为详细的解释教程。