市场资讯
人工智能合作伙伴系列(一)OpenMV
发布日期:2020-03-09    

这是STM32人工智能合作伙伴介绍系列的第一集,  我们会在以后的几个月里陆续为大家曝光多家STM32生态的公司和产品, 希望能为大家的开发带来更多的创意和灵感!

我们介绍的第一家便是在嵌入式圈子已经小有名气的OpenMV (国内由星瞳科技代理)。

下面整理了OpenMV 智能摄像头模组的各个版本在硬件和功能上的差异。

硬件差异

版本

主控芯片

主频

内置RAM/Flash

外置RAM/Flash

默认摄像头模组

OpenMV2 Cam M4(停产)

STM32F427VG

180MHz

256KB/1MB

/

OV7725

OpenMV3 Cam M7

STM32F765VIT6

216MHz

512KB/2MB

/

OV7725

OpenMV4 Cam H7

STM32H743VIT6

480MHz

1MB/2MB

/

OV7725 (可更换)

OpenMV4 Cam H7 Plus (最新发售)

STM32H743II

480MHz

1MB/2MB

32MB/32MB

OV5640   (像素更大,可更换)

 功能差异

版本

传统机器视觉

AI

颜色/眼部追踪

特征检测(图形、数字、模板、光流、面部、人形)

扫码识别   (条形码、二维码、矩形码)和标记跟踪

TensorFlow-Lite  

OpenMV2 Cam M4(停产)

Y

Y

N

N

OpenMV3 Cam M7

Y

Y

Y

Y(部分例程受限于RAM

OpenMV4 Cam H7

Y

Y

Y

Y(部分例程受限于RAM

OpenMV4 Cam H7 Plus (最新发售)

Y

Y

Y

Y

具体功能介绍和最新发售的OpenMV4 Cam H7 Plus优点请点击。
https://mp.weixin.qq.com/s/Fjzr04z9szvuDZiqdjfBWQ

下面重点介绍下OpenMV的最新固件版本v3.5.0对TensorFlow-Lite 的支持。

大家肯定会问,TensorFlow-Lite跟OpenMV之前实现的传统机器视觉算法(比如追踪、检测和识别)有什么区别呢?

首先TensorFLow-Lite 是TensorFLow为嵌入式设备优化的版本,采用机器学习中的深度学习算法(20岁小伙子),跟传统的机器视觉算法(70岁老大爷)比还很年轻。

好处在于你不需要根据特定应用来手工设计特征(你需要对特定领域和数据特别了解),但是缺点就是需要大量的数据集作为训练的素材。

当然STM32和OpenMV一起为MCU开发者提供了一系列工具来减轻用户的工作量。

(下面提到的神经网络是深度学习的主要模型)

具体到机器视觉,第1到3需要用户自主完成,从第4步开始借助Cube.AI来完成从预训练模型到C代码的转换,而OpenMV则在生成的AI库基础上添加了一层可以通过microPython调用的包装。


具体的例子可以参考,
https://github.com/openmv/openmv/tree/master/src/stm32cubeai
如果想要学习怎么使用Cube.AI,可以参考下面系列课程
https://c.51diantang.com/coursedetail?id=a8f58d8f5f8442cb9d66b3d74cef9221