0 卖盘信息
BOM询价
您现在的位置: 首页 > 技术方案 >计算机及配件 > 【RT-Thread作品秀】基于神经网络分类模型(百度API)汽车安全驾驶检测

【RT-Thread作品秀】基于神经网络分类模型(百度API)汽车安全驾驶检测

来源: 电路城
2020-12-14
类别:计算机及配件
eye 28
文章创建人 拍明

原标题:【RT-Thread作品秀】基于神经网络分类模型(百度API)汽车安全驾驶检测

cirmall

cirmall

cirmall

cirmall

cirmall

[相关器件] SN74AXC8T245-Q1

  具有可配置电压转换和三态输出的汽车类 8 位双电源总线收发器

 

  概述:本作品以openmv作为摄像头模块将预处理好的数据通过串口发送到ART上,然后基于ART板载的AP6212模块连接到百度驾驶识别API上进行云端识别,返回识别结果,达到识别驾驶行为是否安全,是否处于危险驾驶。

  RT-thread版本:4.0.3

  开发工具:RT-Thread Studio,OpenMV IDE

  RT-Thread使用情况:

  内核部分:使能软件定时器,内存管理,控制台

  组件部分:使用WIFI框架,SPI设备驱动,SD设备驱动,UART设备驱动

  软件包部分:Micropython

  硬件部分:SDRAM,UART,SPI

image.png

硬件框架:

image.png

软件框架说明

image.png

软件模块说明:

  通过对图片预处理然后传输到ART上利用板载的AP6212上传数据(密钥,以及关键的图片数据),等待百度那边API返回json文本结果

  演示效果:

  代码地址:

  https://github.com/SCTTJ/RTT

  代码是基于ART出厂例程的基础上修改的,调用API以及串口所使用的代码在工作中的“python代码”里面

  比赛感悟:

  原本以为毕业前还能试着完整地参加一次比赛,但是事实上考证,毕业设计等一堆东西都快把自己压死了,不过尽管白天很忙,晚上还是试着去完成作品,原本是想移植省赛时树莓派上运行的TF2驾驶识别模型转换成更小的tflite模型(也不小,足足2M多),原本上M的模型在市面上常规的单片机上基本是无缘的,但是ART板载32M的SDRAM给了我想整活的灵感,于是我想基于RTT提供的TFlite软件包来移植,可惜自己没能移植成功,后面实在不行的情况下,我选择了妥协,选择使用百度驾驶识别API来代替本地运行。真的可惜。



责任编辑:

【免责声明】

1、本文内容、数据、图表等来源于网络引用或其他公开资料,版权归属原作者、原发表出处。若版权所有方对本文的引用持有异议,请联系拍明芯城(marketing@iczoom.com),本方将及时处理。

2、本文的引用仅供读者交流学习使用,不涉及商业目的。

3、本文内容仅代表作者观点,拍明芯城不对内容的准确性、可靠性或完整性提供明示或暗示的保证。读者阅读本文后做出的决定或行为,是基于自主意愿和独立判断做出的,请读者明确相关结果。

4、如需转载本方拥有版权的文章,请联系拍明芯城(marketing@iczoom.com)注明“转载原因”。未经允许私自转载拍明芯城将保留追究其法律责任的权利。

拍明芯城拥有对此声明的最终解释权。

标签: 网络分类模型

相关资讯

方案推荐
基于MC33771主控芯片的新能源锂电池管理系统解决方案

基于MC33771主控芯片的新能源锂电池管理系统解决方案

AMIC110 32位Sitara ARM MCU开发方案

AMIC110 32位Sitara ARM MCU开发方案

基于AMIC110多协议可编程工业通信处理器的32位Sitara ARM MCU开发方案

基于AMIC110多协议可编程工业通信处理器的32位Sitara ARM MCU开发方案

基于展讯SC9820超低成本LTE芯片平台的儿童智能手表解决方案

基于展讯SC9820超低成本LTE芯片平台的儿童智能手表解决方案

基于TI公司的AM437x双照相机参考设计

基于TI公司的AM437x双照相机参考设计

基于MTK6580芯片的W2智能手表解决方案

基于MTK6580芯片的W2智能手表解决方案