nn_stm32cubeai.py

# Эта работа лицензирована по лицензии MIT.
# Copyright (c) 2013-2023 OpenMV LLC. All rights reserved.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Пример STM32 CUBE.AI на OpenMV — распознавание MNIST
# См. https://github.com/openmv/openmv/blob/master/src/stm32cubeai/README.MD

import csi
import time
import nn_st
csi0 = csi.CSI()
csi0.reset()  # Сброс и инициализация датчика.
csi0.contrast(3)
csi0.brightness(0)
csi0.auto_gain(True)
csi0.auto_exposure(True)
csi0.pixformat(csi.GRAYSCALE)  # Установить формат пикселей в градации серого
csi0.framesize(csi.QQQVGA)  # Установить размер кадра 80x60
csi0.snapshot(time=2000)  # Подождать, пока настройки вступят в силу.
clock = time.clock()  # Создать объект clock для отслеживания FPS.

# [CUBE.AI] Инициализировать сеть
net = nn_st.loadnnst("network")

nn_input_sz = 28  # Вход нейросети — 28x28

while True:
    clock.tick()  # Обновить счётчик FPS.
    img = csi0.snapshot()  # Сделать снимок и вернуть изображение.

    # Обрезать по центру (чтобы избежать виньетирования)
    img.crop(
        (
            img.width() // 2 - nn_input_sz // 2,
            img.height() // 2 - nn_input_sz // 2,
            nn_input_sz,
            nn_input_sz,
        )
    )

    # Бинаризовать изображение
    img.midpoint(2, bias=0.5, threshold=True, offset=5, invert=True)

    # [CUBE.AI] Выполнить вывод (inference)
    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())
    )  # Примечание: OpenMV Cam работает примерно вдвое медленнее при подключении