hi bro，
这是第三次参加的Funpack 的活动，这个活动的主要内容是通过摄像头用AI学习去识别出感兴趣的图形/效果；
M5Stack UnitV2 - 首款全功能一体化AI摄像头，开箱即用。UnitV2采用SigmstarSSD202D(集成双核Cortex-A7 1.2Ghz处理器)控制核心，集成了M5Stack开发的多个即用型AI识别应用程序（例如：人脸识别、对象跟踪、颜色跟踪器、形状检测器、条形码检测器和其他常用功能），可以帮助用户快速构建自己的AI应用程序。1、基础介绍
1.1、相关基础操作
1.2、登入web
tips:经过多次实验发现
1.2.1、支持wifi+type-c直连；但由于固件暂时还未更新+自身linux不熟悉，就选择了直连
然后，坑就来了/笑哭，直连会导致笔记本wifi失效；【PC在直连了网线情况下，仍然有网络】
1.2.2、接上设备后，用CMD去 ping 10.254.239.1；能ping通，在去浏览器里输入unitv2.py 在回车即可【相关操作，可以查看官方资料里面的教程，不多赘述】
1.3、 V-Training[在线训练地址]
tips:
1.3.1、训练需要>30张的照片，为了更加友好的体验建议拍摄到40张~50张[网页需求至少30张]
1.3.2、点击提交训练后，如果一直卡在99.98%，请重新开始你的训练
1.3.3、在查询结果的界面不要点F5刷新，点左侧的"Refresh"按钮
1.3.4、如果loss图表，没有向下的走势；则说明有异常标准，检查标注后重新申请训练
进入后点击 <start>按钮后即可开始 最初的训练
tips:训练中的时候，一定别点F5；及时查看训练的结果
2、项目介绍
需求任务一览：
我选择的是 第2项；原由嘛~ 我身边就是咖啡杯子 /笑哭
工厂千千万，安全第一条；
爱喝咖啡的我，发现有时候收到的咖啡杯有异常【额外的粉末、盖子不是很紧、盖子没有[猜测]】，这些异常品肯定是希望可以用科学的方法去应对和解决；在现场摆一个风扇，当然是一个很好的方法，不过不能完全解决，因此我针对上诉的情况，我想基于M5Stack-UnitV2设计了下述流程的解决方案。
【正常目标：橘色盖子+黑色杯子】
【异常目标：只有黑色杯子】
2.1流程
2.1.1、先对咖啡杯子各种姿势摆拍；数量>45张【正常目标：橘色盖子+黑色杯子】
【异常目标：黑色杯子】
2.1.2、参数上文的链接，登入训练web，进行训练
2.1.3、喝个水，等待训练完成；如果失败/异常，重新执行2.1.2
2.1.4、训练完成后，查看并验证训练结果；
2.1.5、编写上位软件，进行串口识别+json结构体识别
2.1.6、根据串口返回的json结果，输出对应异常/非异常的报告
2.1.7、编写报告，录制视频~交工
建议[难题]
1、期待支持本地标注图片后，上传到web 训练；这样训练的体感能提升亿倍；
2、对于linux小白来说，摸索的路程也是成长的过程~ 但还是希望可以看见一站式学习的途径和方式【不知道怎么连接wifi,也不清楚如何操作基本面向摆渡挣扎，但收货很大，感谢】；
3、对于py小白来说，也希望可以看见更多的历程，哪怕是测试用例；当然文档在丰富些就更好了；【尚且还不清楚如何控制摄像头进行相关opencv的操作，需要多联系；感谢】
4、以后写文档的时候，第一个要找的功能是"保存" /笑哭，别问我为什么 /流泪
5、散热问题，换个风扇+散热片应该可以更好；【目前长时间好像不可工作】
结语+未来的计划
感谢硬禾和M5联合举办的这期活动，AI模块化真的很棒，期待后续有更多相关的涉及；
我也准备在本次活动后，继续跟进该项目；走下其他大佬的路径，跟着学习下，多多交流~
