垃圾分类模型训练部署教程,基于MaixHub和MaixPy-k210

Posted 清风莫追

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了垃圾分类模型训练部署教程,基于MaixHub和MaixPy-k210相关的知识,希望对你有一定的参考价值。

时间:2023-2-1

  • 本文是图文演示内容,将给大家介绍 ,在MaixHub上训练模型,然后部署到Maix duino开发板上的流程。我这里用于演示的是垃圾分类任务,大家也可以按照该流程训练自己想要的模型。

  • 通过MaixHub的迁移学习,在Maix-1系列开发板上部署一些简单的模型会很方便。
    相比之下,自己使用其它平台训练的模型,例如tensorflow,在模型转换和适配的过程中很容易在一些奇怪的问题上卡住,如果没有比较深入的相关知识,可能比较难解决。(比如我之前就失败了)

  • 我也整理了一些资源链接,包括数据集、软件工具下载地址、技术参考文档、交流群。

在过程中遇到一些问题卡住,也挺正常,那就努力解决它们叭!

笔者支持私聊交流
个人主页:清风莫追的主页


文章目录

我的准备

  • Maix duino开发板一块(含摄像头配件)
  • Type-c数据集一根
  • 垃圾的图片数据集
    • 分四类垃圾:厨余垃圾、有害垃圾、可回收垃圾、其它垃圾。每类垃圾分一个文件夹,文件夹中就是该类垃圾的图片。
  • MaixPy IDE(软件)
    • 编辑用来调用模型的代码
  • kflash_gui(软件)
    • 将模型文件烧录(下载)到开发板上

数据集:有许多地方可以下载,例如:

软件工具

参考文档

  • MaixPy参考文档
    • 了解MaixPy建议阅读其中的”入门必看指南“;或者,在你遇到问题时可以在改文档中进行搜索,大部分可以找到。

MaxPy交流群

  • 群号:696014576

好的,接下来让我们开始叭。

开始干活

在MaixHub训练模型

首先,让我们在浏览器打开MaixHub的网站:MaixHub,任务分为三步:

  • 上传数据集
  • 创建训练任务,进行训练
  • 下载训练好的模型

1、上传数据集

打开MaixHub网站后,点击模型训练

然后创建一个新的数据集

为数据集起个朴素的名字,选择标注类型

  • 分类:判断一张图片的类别。
  • 检测:比分类更进一步,从图片找到特定物体,得到物体的位置(坐标)和类别

这里我们选择的是分类;检测任务的训练数据标注会比较麻烦。

然后点击进入我们刚刚创建的数据集,现在它里面还什么都没有

接着添加标签,依次输入添加本次任务中所有的标签。

  • 我这里是把垃圾分成四类,所以标签有food、harmful、other、recyclable,分别代表厨余垃圾、有害垃圾 、其它垃圾、可回收垃圾。

然后点击一个标签,比如food,接着选择图片,以上传类别为food的图片。

选中所有food类别的图片,然后点击打开,就可以批量一次性上传所有该类别的图片。

图片会要加载小一会儿,加载完成后开始上传
一定要点击“开始上传”!仅仅加载完是没有用的。

至此,我们就已经成功上传了其中一个类别的图片啦!按照上面的方式,我们可以继续上传其余每个类别的图片。

上传完所有类别的图片后,来到总览,可以大致浏览我们刚刚上传的图片。
接下来,就要用这些图片来训练用于垃圾分类的模型了!

2、创建训练任务,进行训练

前面我们已经上传好了模型训练所需要的数据,接下来的任务就是用这些数据来训练一个模型。

来到模型训练项目,我们创建一个新项目

填写项目信息。

  • 名称:随便编个
  • 项目类型:需要与我们创建数据集时的类型保持一致,这里我选择图像分类
  • 项目描述:给自己看的,随便写写。

创建完成后我们就会进入这个项目,选择我们刚刚上传的数据集

下一步是训练配置。配置通常很重要,但我们大部分使用默认的就行,深入了解这些配置的意义可能需要学习一些深度学习方面的知识。

  • 随机处理:可以全勾上;增强你的模型抗环境条件干扰的能力。
  • 部署平台:根据你的开发板来选就好,你可以在MaixPy的文档了解到一些板子相关的信息。
    • 如果选择tfjs,你的模型将可以很方便地在手机或电脑的浏览器中运行,体验模型的效果。
  • 数据均衡:如果你上传数据集中,不同类别之间的图片数量差距比较大,就需要开。像我每类都是700张左右,不开也没关系。

然后滑到网页最下面,点击创建训练任务

小小地等待一会儿,就可以看到它开始训练啦!
训练可能会花费10来分钟的时间(与训练配置中的迭代次数成正比)。即使你关闭网页,MaixHub的后台仍然会继续帮你完成训练,你可以在训练记录查看你正在训练、或已经训练好的模型。

3、下载训练好的模型

将模型下载到电脑本地,为上板做准备。

训练记录,点击部署

选择手动部署,然后下载模型

解压下载得到的压缩包,里面包含如下文件:

  • main.py:python代码文件,执行它调用模型,MaixHub自动生成。也可以自己写。
  • *.kmodel:模型文件。
  • report.json:没什么用,训练过程中的一些记录。

我们需要的是下图中main.pymodel-27622.kmodel这两个文件。

在开发板上运行模型

1、烧录模型文件到板子

使用kflash_gui工具,可以完成这个任务。

打开kflash_gui,使用Type-c数据线连接开发板电脑,然后将.kmodel文件烧录到板子上。我板子上留给模型的烧录地址是0x300000

  • 烧录到小于这个值的地址,可能会覆盖掉固件。问题也不大,重新刷固件就好(下载固件,然后用kflash_gui烧录到0x000000地址)。

.kmodel模型文件上传到板子上后,运行模型可以有两种方式:

  • 通过MaixPy IDE中运行,需要板子连接电脑使用IDE
  • 直接在板子上运行,给板子通电就可以

2、通过IDE运行模型

我们将使用MaxiPy IDE工具完成这个任务。

打开MaixPy IDE,保证板子连着电脑,然后在IDE中点击左下角的连接按钮(绿色),选择串口,连接成功后按钮会由绿色变成红色

  • 选择串口:如果不知道选哪个,就都试试叭。

然后在IDE中打开我们下载的main.py文件,点击左下角的播放按钮,即可开始运行。

MaixHub给你的main.py文件或许不能直接运行,下面的代码可能需要改一下,因为你的模型是烧录在板子的指定地址的。
只需要用上面那行注释掉的代码代替下面的代码。

修改如下:

if __name__ == "__main__":
    try:
        main(labels=labels, model_addr=0x300000)
    except Exception as e:
        sys.print_exception(e)
        lcd_show_except(e)
    finally:
        gc.collect()

如果一切顺利的话,开始体验你的模型吧!祝你好运

3、上传main.py文件到板子(直接板上运行)

上传main.py文件到板子后,你可以通过两种途径查看模型的运行效果:

  • 串口终端(还是要连电脑)
  • 板子的屏幕配件(只需给板子通电)

和烧录类似,都是把文件传到板子。但烧录是直接从指定的地址开始,写入二进制文件;而接下来的文件,是上传后交给板子上的文件系统管理的。

打开MaixPy IDE,将IDE连接板子(左下角的连接按钮),连接成功后,在工具栏选择发送文件到开发板即可,选择main.py文件上传。

接下来演示一下通过串口终端的运行方式。(因为我板子没有屏幕配件?)

  • 虽然和IDE左下角的播放按钮运行一样,需要连接电脑。但串口终端还是有它的优势:
    • 占用板子内存更少
    • 出错时可能显示更多的错误信息

IDE需处于断开连接状态,否则会和串口终端的连接冲突
然后在工具栏,选择打开终端串行端口

我的串口终端并不能显示摄像头拍摄到的图像(不知是否正常现象),所以我选择修改代码将运行结果打印出来。

结束

写得有点累,不知道对你有没有帮助,感谢阅读!

到此为止。


以上是关于垃圾分类模型训练部署教程,基于MaixHub和MaixPy-k210的主要内容,如果未能解决你的问题,请参考以下文章

小白学习PyTorch教程七基于乳腺癌数据集​​构建Logistic 二分类模型

小白学习keras教程二基于CIFAR-10数据集训练简单的MLP分类模型

垃圾分类数据集+垃圾分类识别训练代码(Pytorch)

朴素贝叶斯应用:垃圾邮件分类

垃圾邮件分类

朴素贝叶斯-垃圾邮件分类实现