nn_stm32cubeai.py

# هذا العمل مرخص بموجب ترخيص MIT.
# حقوق النشر (c) 2013-2023 OpenMV LLC. جميع الحقوق محفوظة.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# مثال STM32 CUBE.AI لـ MNIST على OpenMV
# راجع https://github.com/openmv/openmv/blob/master/src/stm32cubeai/README.MD

import csi
import time
import nn_st
csi0 = csi.CSI()
csi0.reset()  # إعادة ضبط المستشعر وتهيئته.
csi0.contrast(3)
csi0.brightness(0)
csi0.auto_gain(True)
csi0.auto_exposure(True)
csi0.pixformat(csi.GRAYSCALE)  # تعيين صيغة البكسل إلى Grayscale
csi0.framesize(csi.QQQVGA)  # تعيين حجم الإطار إلى 80x60
csi0.snapshot(time=2000)  # انتظر حتى تدخل الإعدادات حيز التنفيذ.
clock = time.clock()  # أنشئ كائن ساعة (clock) لتتبع معدل الإطارات (FPS).

# [CUBE.AI] تهيئة الشبكة
net = nn_st.loadnnst("network")

nn_input_sz = 28  # إدخال الشبكة العصبية هو 28x28

while True:
    clock.tick()  # تحديث ساعة معدل الإطارات (FPS).
    img = csi0.snapshot()  # التقاط صورة وإرجاعها.

    # القص من المنتصف (يتجنب تظليل الحواف vignetting)
    img.crop(
        (
            img.width() // 2 - nn_input_sz // 2,
            img.height() // 2 - nn_input_sz // 2,
            nn_input_sz,
            nn_input_sz,
        )
    )

    # تحويل الصورة إلى ثنائية
    img.midpoint(2, bias=0.5, threshold=True, offset=5, invert=True)

    # [CUBE.AI] تشغيل الاستدلال
    out = net.predict(img)
    print("Network argmax output: {}".format(out.index(max(out))))
    img.draw_string((0, 0), str(out.index(max(out))))
    print(
        "FPS {}".format(clock.fps())
    )  # ملاحظة: تعمل كاميرا OpenMV بحوالي نصف السرعة عند الاتصال