本文涉及技术：OPENMV,Edge Impulse,OPENMV IDE,TinyML,单片机图像处理,神经网络学习；
OPENMV
OpenMV摄像头是一款小巧，低功耗，低成本的电路板，它帮助你很轻松的完成机器视觉（machine vision）应用。你可以通过高级语言Python脚本（准确的说是 MicroPython ），而不是C/C++。Python的高级数据结构使你很容易在机器视觉算法中处理复杂的输出。但是，你仍然可以完全控制OpenMV。你可以很容易的使用外部终端触发拍摄或者或者执行算法，也可以把算法的结果用来控制IO引脚。
TensorFlow Lite
应用人工智能、神经网络和机器学习等技术需要强大的计算资源和高性能处理器，通常需要使用GPU群或云服务器集群来进行处理。在普通的嵌入式芯片或单片机上执行这些任务是不现实的。随着边缘处理场景的增多和需求的增大，出现了一些专门针对IOT设备和嵌入式设备的迁移学习网络。Tensorflow Lite是在这种情境下开发的，它是从完整版Tensorflow中裁剪、优化并量身定制而来，是一个轻量级解决方案，专为移动设备和嵌入式设备设计，具有小空间占用和低延迟等特点。
本篇文章是使用openMV来部署神经网络训练出来的模型，这种技术大致为在云端训练出来结果，然后将其模型部署于物联网设备平台等底层平台，实现在安全、低延迟、低功耗和低带宽的边缘设备上运行。
我们大致步骤为：将摄像头采集到的图片上传到Edge Impulse训练神经网络模型，然后将模型进行分类标签，在完成分类标签上传后，进行模型训练,结果生成为OPENMV的工程，导入到我们的openMV上，运行即可.
理论存在，实践开始
使用设备：
OPENMV H7 PLUS：星瞳科技官方版本，没啥说的，对新手及其省事
害虫模型若干：虫子模型，之前有过抓虫子来进行机器学习的想法，但是抓了一只天幕毛虫后发现这家伙乱跑以及毛毛有毒，不方便控制，置于瓶子内不日便一命呜呼。本着人道主义科研原则，在此换为进行模型演示，有条件的同学可以购买标本来进行模型训练
使用平台：
OpenMV IDE
OpenMV IDE官方下载链接：Download | OpenMV
openMV官方主页OpenMV | Small - Affordable - Expandable
OpenMV是由美国克里斯团队基于MicroPython发起的开源机器视觉项目，目的是创建低成本，可扩展，使用python驱动的机器视觉模块。星瞳与openMV官方相当于中国代理商的关系，只是这个代理商卖的产品“贵”了点，其实他们的中文资料对于国内openMV学习环境也算是好事，毕竟谁也不想只啃着国外的视频资料来研究
星瞳科技网站openMV IDE下载：OpenMV下载 | 星瞳科技 (singtown.com)
星瞳科技openMVOpenMV | 星瞳科技 (singtown.com)
Edge Impulse
Edge Impulse： Edge Impulse是一个应用于嵌入式领域的在线的机器学习网站，不仅为用户提供了一些现成的神经网络模型以供训练，还能直接将训练好的模型转换成能在单片机MCU上运行的代码，使用方便，容易上手。网站链接
步骤：
使用OpenMV采集训练数据
在进行神经网络模型训练前需要先将训练用的数据准备好，本次训练目的为害虫识别，那么训练用的数据为图片。打开OpenMV IDE，在菜单处选择【工具->数据集编辑器->新数据集】。
选择一个位置创建文件夹命名为background(背景)，并点击选择文件夹。这是你的第一个需要采集的空白背景类，拍摄没有物体的背景
左侧的一个相册图标点击拍照，每个物体种类建议拍摄40-60张，越多识别出来的精度越高
拍摄完一个之后先不要切换class，你直接换成其他物体接着拍摄，这样A物体占用编号为1-45,B物体占用46-86不会重叠，否则有两张图片名字一样会无法启动学习
全部拍摄完成后，再将不同种类的图片分成不同的文件夹，最好用英文起名方便分类
上传Edge Impulse进行训练
注册账号并创建Edge Impulse工程
打开Edge Impulse网站，注册就是一般流程没有什么特殊性，就不描述了。登陆成功后会跳转到创建工程页面，按下图步骤创建工程。
项目名称，随便起名
将图片数据上传
第一批导入一类，背景图片
这批图片起名为background背景
导入过程中如果让你选这个检测到你导入的是图片，是否转换为图像识别项目，不用管，点NO
第一批导入完毕后选择第二批某种类的虫子，选择一类照片，起名为这种虫子的名字
导入完毕后关闭这个窗口，看到下面数据库里面图片名称对应种类，ok
下一步，第一个不用管，也可以改大点160x160，然后第二个选择Image，后面选择迁移学习图片（transfer learning images），然后一路下一步
如果有要等待，就等他好，基本上都是一路确认
点击之后等待命令框里面出现绿色的工作完成（job completed），就可以走下一步
这个地方选择模型体量大小
选择160分辨率的辨识度更好一点，占用的话看个人情况来选择
然后开始迁移学习，完毕后右边会生成分类图与点云图，下图为二种
下图为六种识别的
完成之后就走下一步
然后选择deployment，选择设备为OPENMV LIBRARY，就可以生成并且下载下来文件
生成完毕就可以自动下载
内存卡里面其他东西删干净，打开下载的压缩包把三个文件解压到openMV内存卡里面，
把这个ei_image的py文件改为main.py，然后在openMVide打开，就可以执行识别了
labels.txt里面是类型名称，可以改为中文方便看
最终结果
[video width="720" height="1280" mp4="http://127.0.0.1/wp-content/uploads/2023/06/74b341eeebba0047a5758aca37a3d1ee.mp4"][/video]
视频仅供展示，严禁非法转载
标签：训练,模型,Edge,Impulse,LITE,tensorflow,openMV,OpenMV From： https://www.cnblogs.com/POPCATER/p/18060034