nn_stm32cubeai.py

# Ce travail est publié sous licence MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Tous droits réservés.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Exemple STM32 CUBE.AI sur OpenMV MNIST
# Voir https://github.com/openmv/openmv/blob/master/src/stm32cubeai/README.MD

import csi
import time
import nn_st
csi0 = csi.CSI()
csi0.reset()  # Réinitialiser et initialiser le capteur.
csi0.contrast(3)
csi0.brightness(0)
csi0.auto_gain(True)
csi0.auto_exposure(True)
csi0.pixformat(csi.GRAYSCALE)  # Définir le format de pixel sur niveaux de gris
csi0.framesize(csi.QQQVGA)  # Définir la taille d'image sur 80x60
csi0.snapshot(time=2000)  # Attendre que les réglages prennent effet.
clock = time.clock()  # Créer un objet horloge pour suivre le FPS.

# [CUBE.AI] Initialiser le réseau
net = nn_st.loadnnst("network")

nn_input_sz = 28  # L'entrée du réseau de neurones est en 28x28

while True:
    clock.tick()  # Mettre à jour l'horloge FPS.
    img = csi0.snapshot()  # Prendre une photo et renvoyer l'image.

    # Recadrer au centre (évite le vignettage)
    img.crop(
        (
            img.width() // 2 - nn_input_sz // 2,
            img.height() // 2 - nn_input_sz // 2,
            nn_input_sz,
            nn_input_sz,
        )
    )

    # Binariser l'image
    img.midpoint(2, bias=0.5, threshold=True, offset=5, invert=True)

    # [CUBE.AI] Exécuter l'inférence
    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())
    )  # Remarque : l'OpenMV Cam tourne environ deux fois moins vite lorsqu'elle est connectée