M5Stack UnitV2初体验 - 通过图像识别，来甄别流水线的异常品，发现异常品后灯光提示
首先说明下：因个人原因，时间条件有限，只能进行一个极简版的测试了，原计划选择第二个测试：通过图像识别，来甄别流水线的异常品，发现异常品后记录。既然是极简，我就省略了流水线，直接人工传送，发现异常也没有上传记录，只是在终端显示其生成的JSON数据，并通过LED指示灯进行简单提示。虽然简单，不过我觉得其核心功能我都摸了一遍，基本算是掌握了这款AI 摄像头的使用。
一、基本情况介绍
UnitV2是M5Stack推出的一款高效率的AI识别模块,官方称其为M5Stack首款全功能一体化，用于边缘计算的独立AI摄像头，采用Sigmstar SSD202D(集成双核Cortex-A7 1.2Ghz处理器)控制核心，集成128MB-DDR3内存，512MB NAND Flash, 1080P摄像头。内嵌Linux操作系统，集成丰富的软硬件资源与开发工具。
从来没玩过AI摄像头，老实说这款摄像头真不咋地，不过考虑其运算能力就放那，就不多想了。起初还有些犹豫，看了介绍说开箱即用，刚好硬禾做活动，就一起玩玩吧。
二、基本测试条件
条件有限，就地取材，使用摄像头的物体识别功能，对流水线上的物品进行检测。指定中性签字笔为正常品，遥控器、铅笔等为异常品。摄像头和PC机通过USB线连接，系统识别到物品后，当物品达到一定相似度（置信率大于50%时）后屏幕会打印出识别到的物品信息，当置信率大于85%时，闪白色LED灯，提示物品正常；否则闪红色LED灯。
先后使用了多个软件进行测试，包括360、Edge、Firefox浏览器，最终发现Firefox不兼；远程登录软件使用Putty、SecureCRT，不过在打了ssh等几个插件后最终主用VS Code解决几乎所有问题。
三、测试思路
第一步，首先采集数据，并上传到v-training.m5stack.com进行建模、训练输出自己的模型。
我这里采集了60+张各个角度的中性笔的图片。
第二步，用自建模型进行识别测试
第三步，用Python编写自己的代码并应用自建模型
第四步、上传到模块中进行验证
看到有人做图形界面进行结果显示，我觉得灯光提示还是更实用些，因此我将匹配80%作为正品显示白光LED闪烁，50%以上作为次品显示红光LED闪烁，其它认为不是鉴定的物品也不显示光线。
四、遇到的主要难题及下步计划
首先是Training的时候就是个体力活，起初还尝试标签用中文，发现后面都成乱码了，只能从新Training。
其次是敲代码，不太会Python，主要是第一次使用VSCODE，从基本配置到程序编写都是新的尝试，反复看了N遍直播视频后，总算搞清楚VSCODE咋用了，不过此时已临近截止日期了；先是远程登录密码太麻烦；然后代码上传一直不知道怎么搞，后来群里有人提示可以安装插件SSHTools，从此如虎添翼，从代码编辑，调试，上传，终端显示全部都在VScode里完成了。
另外，不知道是模型样本还不够还是模块太热还是代码没优化，识别总是有拖尾，比如识别正品后老半天都显示高置信率，即使把物品移开5秒后也一直会显示，后面还需进一步调整优化。
至于说后期计划，因为还有很多功能还没有完全测试，比如wifi、云端和GUI界面等都没有做，看到其他群友用python 抓取数据还没有练过，所以后期还有许多要学习。
