例程讲解25-Machine-Learning->LetNet数字识别
（注意：3.6.5及以后固件删除此例程，使用TensorFlow Lite替代, 效果更好，见视频教程42 - 神经网络目标检测：https://singtown.com/learn/50918/）
视频教程35 - Lenet数字识别：https://singtown.com/learn/50543/
运行此例程前，请先在OpenMV IDE->工具->机器视觉->CNN网络库 中，将相应的神经网络文件保存到OpenMV的SD内存卡中哦。
神经网络是一个非常新的功能，目前还处于测试阶段。截至目前2018-08-15，OpenMV IDE中内置的lenet.network网络模型在OpenMV3 M7会超出内存，建议自己训练小一点的lenet模型在OpenMV3 M7使用。在OpenMV4 H7 R1上，是可以使用的。
# LetNet数字识别例程
import sensor, image, time, os, nn
sensor.reset() # 复位并初始化传感器。
sensor.set_contrast(3)
sensor.set_pixformat(sensor.GRAYSCALE) # Set pixel format to RGB565 (or GRAYSCALE)
#设置图像色彩格式，有RGB565色彩图和GRAYSCALE灰度图两种
sensor.set_framesize(sensor.QVGA) # 将图像大小设置为QVGA (320x240)
sensor.set_windowing((128, 128)) # 设置128 x128窗口。
sensor.skip_frames(time=100)
sensor.set_auto_gain(False)
sensor.set_auto_exposure(False)
# 加载lenet神经网络模型
net = nn.load('/lenet.network')
labels = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
clock = time.clock() # 创建一个时钟对象来跟踪FPS帧率。
while(True):
clock.tick() # 更新FPS帧率时钟。
img = sensor.snapshot() # 拍一张照片并返回图像。
out = net.forward(img.copy().binary([(150, 255)], invert=True))
max_idx = out.index(max(out))
score = int(out[max_idx]*100)
if (score < 70):
score_str = "??:??%"
else:
score_str = "%s:%d%% "%(labels[max_idx], score)
img.draw_string(0, 0, score_str)
print(clock.fps())
# 注意: 当连接电脑后，OpenMV会变成一半的速度。当不连接电脑，帧率会增加。
#打印当前的帧率。
