基于M5Stick-V和M5Stack的办公桌机器人助手

描述

介绍

该项目以实用的方式展示了如何使用设备 M5StickV 作为开发系统来执行情绪分类。要执行此分类，必须有一个数据库，其中情绪按代表不同情绪的类别划分。使用 KDEF 数据库（http://kdef.se/ ）进行训练，该数据库共有 4, 900 张人类面部表情图像。这组图像包含 70 个人，表现出 7 种不同的情绪表达。

在开始训练阶段之前，有必要进行预处理阶段，在该阶段调整图像的大小。这是必要的，因为在使用 mobilenet 网络架构时，需要将每个图像调整为 224x224。

Windows 10 被用作执行训练阶段的操作系统，这个阶段可能会延迟 3 到 4 个小时（取决于计算机的特性）。在训练中完成后，系统会生成 *.h5 模型，一旦有了这个模型，就需要将其转换为 tensorflow lite *.tflite 格式。这是使用命令完成的：

tflite_convert --keras_model_file " + keras_model_path + " --output_file " + tflite_path

已有我们的*.tflite模型，下面将其转换为*.kmodel。这是必要的，因为 M5StickV 的 KPIU 只接受带有此扩展名的模型。这是使用 ncc ( https://github.com/kendryte/nncase/releases/tag/v0.2.0-alpha2 ) 完成的。

ncc.exe -i tflite -o k210model --dataset " + path_all_dataset + " " + tflite_path + " " + kmodel_path

在此步骤中，数据集的所有图像都位于一个名为数据集的文件夹中，这一点非常重要。

在这一点上，我们必须有这样的东西：

模型结构

 

一旦您拥有 *.kmodel 格式的模型，您就可以通过两种方式访问​​该模型。在我的情况下，第一次使用 SD 内存时，我的 M5StatickV 不再读取它 :(，这可以通过以下方式完成：

task = kpu.load("/sd/model.kmodel")

或者我们可以使用应用程序Kflash_gui，将模型下载到地址0x300000，如下图所示。

Kflash_gui

 

。

机器人 1

 

机器人 2

 

机器人 3

 

机器人 4

 

机器人 5

 

连接图