省赛总结·轻舟已过万重山
轻舟已过万重山 20号上午，天气微凉，空气中夹杂着朦胧的小雨。我们踏上了前往珠海参加省赛的路途。六个小时的颠簸车程，令抵达珠海的我头晕不已，到达酒店后倒头就睡。
提交PPT、演练答辩，商讨细节，一晚时间很快便过。
第二天醒来，我看着窗外，迎来了迷人的日出，也迎来了期待已久的省赛。进入会场后，我们马不停蹄地开始取套件、测试硬件、测试作品，商量答辩细节。很快，便轮到了我们。
答辩完成后，我松了一口气，因为展示的过程很顺利，没有出现意外，同时三位评委中两位评委都没有提出问题，而问题也没有太过刁钻，很轻松地回答了过去。既然开了个好头，那接下来的技术测试我便要好好应对了。回到座位上的我心里暗暗想。
时间在不知不觉中慢慢流逝，当来到午餐时间时，我正为解决了识别颜色并框出的题目而暗喜时，传来了不好的消息，貌似模型训练无法正常运转。我开始查看软件报错，都是些从未见过的信息，意识到这条路可能无法走通时，我开始寻找第二种实现方法，最后想到小方舟的自学习分类可以实现这个功能，便让梁嘉欣重新裁剪图片，而我写小方舟的代码，最后小方舟实现了分类功能，时间也刚好耗尽。
盖上电脑，等待评委验收 ...
使用Mx_Yolo_v3训练K210模型文件
一、功能介绍目前提供两种训练：
目标分类： 识别图片所属的种类， 比如图中是苹果还是杯子, 没有坐标。 如下图，识别到了苹果，是苹果的概率为0.8
目标检测： 检测图片中物体的位置， 并且输出这个物体的坐标和物体大小（即框出认识的物体）。 如下图， 识别到了苹果， 并且框出了位置， 是苹果的概率为0.8
二、确定方案
首先确定要训练哪种模型。在上面支持的模型中选择一个，如果不需要检测物体坐标， 用目标分类， 需要坐标则目标识别，两者处理数据要做的工作和格式都不一样， 后者会复杂很多。
确定分类。 包括分类数量， 具体分类。 比如这里以识别红色小球和玩具为例:
所以共两个分类： ball 和 toy， 我们也称之为标签(label)，
注意！分类名（标签/label）只能使用英文字符和下划线
确定分辨率。 图片的分辨率也十分重要，不管是在采集、训练，还是使用时， 都需要十分注意， 稍不注意，模型可能就无法使用或者识别精度低。以下为Maixhub目前支持的分辨率，其它分辨率将会训练失败：
目标分类、目标检测： 224x224（推荐）
确定采集数据集（这里就是所有 ...
Python纯代码实现连接SIoT
运行前请确保已安装 paho-mqtt 库，使用命令：pip install paho-mqtt 安装。
1234567891011121314151617181920212223242526272829303132333435363738import paho.mqtt.client as mqtt# 定义SIOT服务器的连接信息broker = "192.168.88.108" # SIoT服务器的地址port = 1883 # SIOT服务器的端口号topic = "ai/G5" # 指定要发布到的主题username = "AIoT"password = "AIoT"# 连接回调函数def on_connect(client, userdata, flags, rc): print("Connected with result code " + str(rc)) # 订阅主题（如果需要） client.subscribe(topic)# 发布消息的回调 ...
论如何将视频导出为图片及批量对文件进行更名
视频导出为图片
打开ScreenToGif，点击最右侧的编辑器：
进入编辑器后，将视频拖进软件界面，点击确定：
静候导入完成后，随机在下方图片中右键，点击浏览文件夹：
获得导出的图片：
批量进行更名
打开拖把更名器：
若提示“注册错误”，无需理会，确定即可进入软件。
在上方菜单栏中点击序号一栏，在模板处输入#，其他配置保持与下图一致，将需要更名的图片全选拖入软件中：
点击图标栏第四个勾号图标，或按下ctrl + e快捷键，即可得到批量更名后的图片，直接覆盖原文件：
OpenCV及k210实现形状检测并计算面积比
Python + OpenCV详细代码12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485import cv2import numpy as np# 打开摄像头cap = cv2.VideoCapture(0) # cv2.imread("path/to/image.jpg")rectangle_area = 0circle_area = 0line_length = 0while True: # 读取摄像头的帧 ret, frame = cap.read() if not ret: print("Failed to read frame from the camera.") break # 将帧转换为灰度图像 gray ...
乐动掌控板与小方舟的功能实现
准备工作前往https://www.labplus.cn/software下载mpython软件并安装。
更换主控打开mpython后，点击右上角设置-高级设置-更换主控，选择乐动掌控。
烧录固件乐动掌控将乐动掌控与电脑连接，点击上方未连接，选择对应端口。
点击右上角设置-烧录固件，选择乐动掌控官方固件，确定。
烧录成功后掌控板显示如下图：
小方舟将乐动掌控与电脑连接，点击上方未连接，一般选择端口号较小的端口连接，如若烧录失败再更换。
将小方舟上方的拨片拨至左端！
点击右上角设置-烧录固件，选择AI摄像头2.0固件，确定。
烧录后，若小方舟屏幕显示盛思图标即为成功。
加载扩展库
连接掌控与小方舟
GND与GND相连，VCC同理；
TX与RX反接。
案例人脸识别
编写完成后，点击上方的刷入，完毕后对准人脸按下A键，当学习两个人脸后自动进入识别。
案例2-语音识别.png
中文每个字之间使用-分隔。
待补充……
乐视2高通版x528刷入类原生过程
前言前段时间无聊突然想起床头柜里还有一台小学时社长送的手机，虽然屏幕碎了不少，但是还能用。
让我惊叹的是，16年的机有指纹和人脸识别，支持红外遥控，用起来还算流畅。
不过原来的EUI太过臃肿，自带应用一大堆。贾老板都跑路了还有广告推给你。
于是萌生了给它刷类原生的想法。
注意事项
双清需要清除手机数据！请提前备份！！！
刷机有风险，请小心谨慎！造成的后果请自行承担！！！
本文多图预警，因为多为手机截图，所以用html的语法控制了图片的大小，可能在手机端看起来会有些许小。
所有文件资源都在文末。
解bl锁
去设置里找到开发者选项，打开usb调试和oem解锁。
打不开怎么办
我在打开的时候发现，无论你在开发者选项里做任何操作，退出再进入之后选项都会被还原。在无可奈何的时候想到是不是这个系统的问题，然后果断去恢复出厂设置，竟然还要验证乐视账号。如果你也忘记了的话，那就关机状态下进去官方rec清除吧。（因为这台机子的卡槽不见了，所以开不了usb调试，不过也没关系，可以继续接下来的操作。）
...
Redmi 9利用Magisk实现Root全过程
注意事项
解锁需要清除手机数据！请提前备份！！！
刷机有风险，请小心谨慎！造成的后果请自行承担！！！
本文多图预警，因为多为手机截图，所以用html的语法控制了图片的大小，可能在手机端看起来会有些许小。
所有文件资源都在文末。
本文提供的twrp只支持Redmi 9的Android 10版本！
解bl锁
前往设置-我的设备-全部参数中，连击MIUI版本，直至出现开发者选项已开启等字眼。
前往设置-更多设置-开发者选项中，找到设备解锁状态，点击下方的绑定账号和设备。
前往下载小米官方的解锁工具：工具下载地址
下载得到解锁工具后，打开、登录、清除数据、解锁…
当解锁成功后，再进去开发者选项中即可看到已解锁：
刷入twrp
提前将magisk包放入手机：
打开秋之盒，点击右下角的ADB命令行，选择CMD：
手机在关机状态下按电源键+音量减，进入Bootloader模式：
在cmd中输入以下指令，其中xxx.img为你的twrp文件路径，一般情况下直接将文件拖进黑窗即可得到路径：
1fastboot flash ...
Redmi 9卡刷降级MIUI版本
注意事项
降级操作需要清除手机数据！请提前备份！！！
刷机有风险，请小心谨慎！造成的后果请自行承担！！！
本文提到的文件路径不一定通用，请自行寻找或变通。
准备工作需要确认你的MIUI版本是否为当前最新版本，如果不是需要更新至最新版本才可继续接下来的步骤。
刷包过程
确认为最新版本后，就可以进入设置-我的设备-MIUI版本，点击右上角的三个点，点击下载最新完整包。
等待进度跑完后，可以在/sdcard/Download/downloaded-rom文件夹中找到下载的最新完整包，先不动。
在小米社区的Redmi 9圈子的置顶帖中可以找到历史版本ROM的下载地址，找到你想退回的版本，下载卡刷包。
当下载完成后，一般可以在/sdcard/Download/路径下找到文件，此时将后下载的降级版本包文件名复制为最新完整包的文件名称。
回到版本更新页面，右上角手动选择安装包，选择第一个下载的最新完整包，当校验完成出现以下界面时，不要点击，打开文件管理器将后下载的降级版本包移动到最新完整包的文件夹中，出现提示重复选择替换。
可以 ...
使用Mind+部署kmodel模型至Maixduino板
准备工作打开Mind+，左下角扩展中在主控板中选择Maixduino，在功能模块中选择人工智能。
具体过程
初始化板子的屏幕和摄像头：
新建classes,anchor,task三个变量，并初始化网络模型：
将classes变量赋值为先前标注时设置的label名
每个label名需用英文状态下的引号引起来，用逗号分隔，用中括号括起来，如["Un_Masks","Masks"]
将anchor变量赋值为模型的锚点：
锚点可以在线上部署的main.py文件中复制得到：
将task变量赋值为模型的路径，如/sd/***.kmodel
将相机获取到的图像赋值给变量并显示在屏幕上，同时运行网络模型：
当这个网络模型为真时，即识别到目标后，使用变量i从模型中遍历出目标的信息。获取识别对象的坐标并将其框出并重新显示在屏幕上：
判断识别对象的标识号，0即为第二步中classes变量的第一位：
完整代码
公告
博客更换了新的主题，功能和外观都已趋于完善，开始养老！(bushi)
接下来是住宿的高中生活，只有周日能回家，博客会暂停维护和更新一大段时间。
2023年8月7日
接下来是住宿的高中生活，只有周日能回家，博客会暂停维护和更新一大段时间。
2023年8月7日
