K210模块使用简介+Win10下本地训练模型

前言

越来越多的比赛要求参赛学生运用人工智能、机器学习方面的知识。如工程训练大赛的智能配送无人机赛项、智能分拣机器人赛项等等。在这些比赛中不仅要求学生有视觉方面的基础，还要求软硬件的适配。市面上最常用的视觉模块便是星瞳科技的openmv，openmv功能多，价格相对也较高（400+），接下来介绍的则是一个平价视觉模块K210（最低只要100多）

K210简介

k210是一个专用于机器视觉的模块。tb链接，介绍如下：

本模块专精于机器视觉/听觉，非常适合用于识别固定的物体/标识

K210学习

k210硬件学习：

Mx-yolov3是一个供开发者学习k210的网站，在里面有较为详细（没有openmv详细）的硬件定义+基础的micro-python语法教学（建议看廖雪峰的）+机器学习目标训练的方法+固件升级方法（建议详细看看）等等

深度学习：

搭建深度学习平台建议使用图形化的软件Mx-yolov3，在它的资料里面有详细的本地训练的教程（包括搭建gpu训练的环境和目标标签的方法）可以把这个软件当成深度学习的入门（毕竟图形化的界面很爽很直白）帮你减轻码农的痛苦感。安装方法详见连接：import创客公众号推送，然后按照上面的关注公众号获取资源包（下文提到的Image-tool Lambelling软件都在这个资源包里）

gpu训练环境搭建

（为什么搭gpu因为它比cpu训练要快个好几倍）是比较繁琐复杂的环节，大致要安装以下几个部分：CUDA10.0+Cudnn7.64+Anaconda3+Tensorflow2.0参考以下网站：CUDA+cudnn 、 windows下tensorflow（gpu)注意：要配合Mx-yolov3的话好像不能在虚拟环境里搭tensorflow2.0（反正我好像失败了也有可能是路径没选对），最后我是搭载了主环境里成功的，然后还有建议清华源下载tensorflow的包（不然会很慢）

运用

了解了上述的步骤之后，就可以按照Mx-yolov3给出的训练步骤来进行训练了
需要准备：

1）尺寸合适的数据集

（建议拍个视频然后用某些软件给搞成一帧一帧的然后用资料里的image-tool批量剪成指定的尺寸比如k210要求224*224）

2）标签后的数据集

用Mx-yolov3资料给的里的lanbelimg软件给剪切过的数据集标标签

3）确定环境配置无误

4）在Mx-yolov3软件内训练

一般来说识别的质量的好坏取决于数据集的数量（越多越好），识别环境的光线也对结果有一定的影响（但影响小顶不过庞大的数据集）