垃圾分类数学建模（垃圾分类模型训练部署教程，基于MaixHub和MaixPy-k210）
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：
中文生活垃圾分类数据集-modelscope 百度飞桨-AIStudio软件工具：
kflash_gui：下载教程 ，下载地址-github MaixPy IDE：MaixPy安装教程参考文档：
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 。
在训练记录 ，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.py和model-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 。
参考：下载教程 ，下载地址-github打开kflash_gui ，使用Type-c数据线连接开发板和电脑 ，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） 。将.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 。
参考：MaixPy安装教程打开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 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！