nn_stm32cubeai.py

# Esta obra está licenciada bajo la licencia MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Todos los derechos reservados.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Ejemplo de STM32 CUBE.AI en OpenMV MNIST
# Ver https://github.com/openmv/openmv/blob/master/src/stm32cubeai/README.MD

import csi
import time
import nn_st
csi0 = csi.CSI()
csi0.reset()  # Restablecer e inicializar el sensor.
csi0.contrast(3)
csi0.brightness(0)
csi0.auto_gain(True)
csi0.auto_exposure(True)
csi0.pixformat(csi.GRAYSCALE)  # Establecer el formato de píxel a escala de grises
csi0.framesize(csi.QQQVGA)  # Establecer el tamaño de fotograma a 80x60
csi0.snapshot(time=2000)  # Esperar a que los ajustes surtan efecto.
clock = time.clock()  # Crear un objeto clock para registrar los FPS.

# [CUBE.AI] Inicializar la red
net = nn_st.loadnnst("network")

nn_input_sz = 28  # La entrada de la red neuronal es 28x28

while True:
    clock.tick()  # Actualizar el reloj de FPS.
    img = csi0.snapshot()  # Tomar una foto y devolver la imagen.

    # Recortar en el centro (evita el viñeteado)
    img.crop(
        (
            img.width() // 2 - nn_input_sz // 2,
            img.height() // 2 - nn_input_sz // 2,
            nn_input_sz,
            nn_input_sz,
        )
    )

    # Binarizar la imagen
    img.midpoint(2, bias=0.5, threshold=True, offset=5, invert=True)

    # [CUBE.AI] Ejecutar la inferencia
    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())
    )  # Nota: la OpenMV Cam funciona a aproximadamente la mitad de velocidad cuando está conectada