RobotArm OpenMV 机械臂 — 垃圾分类教程
视频教程参考：星瞳科技 OpenMV - RobotArm机械臂垃圾分类教程！
1. 简介
本教程演示如何使用 OpenMV 摄像头配合机械臂，实现垃圾的自动分类。
项目代码库：OpenMV-Robot-Arm-Project-Garbage Classification
2. 例程文件说明
例程包含如下文件：
- model.tflite 和 labels.txt：对垃圾进行识别的神经网络分类模型；
- move.py：机械臂移动代码，包含各坐标信息；
- main.py：垃圾分类例程的主程序；
将所有文件复制到 SD 卡目录中，运行 main.py。
3. 使用加长夹具
- 此例程使用加长夹具：
- 实例中主要分类以下物品：
示例物品：玻璃瓶（可回收）、废旧电池（有害）、烟蒂（其他）、柠檬（厨余），用于演示垃圾分类任务
- 垃圾桶种类：
垃圾桶：可回收、有害、其他、厨余（四类）
- 将机械臂放置于A4纸大方框中：
- 垃圾桶和托盘摆放，托盘为三子棋棋盘的反面：
4、OpenMV 代码调试
运行main.py，校准检测框，运行此例程时，会出现检测框偏移的现象：
调整参数：
ShiftX = 40 #调整检测框在X方向上的偏移
ShiftY = 0 #调整检测框在Y方向上的偏移
调整后：
5、垃圾分类
检测框调整完成后，运行代码；
将垃圾放置于黑色托盘上；
机械臂将自动拾取垃圾，将垃圾放置于对应的垃圾桶内；
流程解析：
6、核心部分讲解及问题解决：
- 采用神经网络识别的方案：
垃圾分类使用图像分类模型，模型识别流程可见三子棋第7.1点。
- 识别区域：
和三子棋采取的方式一样，垃圾分类也划分出一个ROI，模型针对ROI内的区域进行精确识别，可以有效放置外界干扰
识别区域出现偏移时：
# 识别区域位移（相对于屏幕中心的偏移）
ShiftX = 40
ShiftY = 0
# 模型输入尺寸（宽、高）——与训练时一致
w = 128
h = 128
# 计算感兴趣区域（ROI）：在 320x240 图像上的中心区域并加上偏移
roi = (int((320 - w) / 2) + ShiftX, int((240 - h) / 2) + ShiftY, w, h)
调整ShiftX，ShiftY即可控制检测框的位置；W、H则是检测框的宽和高。