使用 Grove - Vision AI 实现表计读数

本教程将基于 SSCMA 示范使用 Grove - Vision AI 模块实现表计读数的开发流程。

TIP

在开始前，我们建议您先阅读 Grove - 部署教程。

准备工作

请参考 Grove - 部署教程 - 先决条件。

训练模型

表计读数功能基于 PFLD 模型实现，在这一步您需要一个后缀为 .pth 的 PFLD 模型权重，您有两种方法获取该模型权重:

• 在我们的 Model Zoo 下载预训练好的模型。

• 参考模型训练 - PFLD 模型，基于 PyTorch 和 SSCMA 自行训练 PFLD 模型得到模型权重。

导出模型

由于训练得到的模型并不适合直接在边缘计算设备上运行，我们首先需要将其导出为后缀是 .tflite 的 TFLite 格式，您有两种方法获取导出的模型 (包含模型权重):

• 在我们的 Model Zoo 下载导出为 TFLite 格式的模型。

• 参考模型导出 - PyTorch 转 TFLite，自行将 PFLD 模型从 PyTorch 格式转换为 TFLite 格式。

部署模型

这是完成表计读数的最后一步，也是最重要的一步，在这一步您需要编译并刷写固件到 Grove - Vision AI 模块。请参考 Grove - 部署教程 - 编译和部署完成模型的部署。

运行示例

在完成 Grove - 部署教程 - 编译和部署 - 部署例程步骤后，您还需要在 Grove Vision AI 控制台进行手动标定才能使其正确读数，标定主要分为三步:

1. 设置 3 个点，分别是中心点，起始点和结束点。

2. 表盘的第一位和最后一位数字设置测量范围。

3. 配置小数点位数。

以上步骤在控制台均有图形化的提示，最后，您可以看到实时表盘读数结果如下图所示。