基于MAX78000实现验证码识别，后续可拓展到车牌识别

内容介绍

项目介绍

本项目是基于MAX78000的智能边缘应用设计，Tensorflow模型实现验证码识别，后续可拓展到车牌识别

MAX78000FTHR 板卡介绍

MAX78000FTHR为快速开发平台，帮助工程师利用MAX78000 Arm^® Cortex^® M4F处理器快速实施超低功耗、人工智能(AI)方案，器件集成卷积神经网络加速器。评估板包括MAX20303 PMIC，用于电池和电源管理。评估板规格为66mm x 23mm、双排连接器，兼容Adafruit Feather Wing外设扩展板。评估板包括各种外设，例如CMOS VGA图像传感器、数字麦克风、低功耗立体声音频CODEC、1MB QSPI SRAM、micro SD存储卡连接器、RGB指示LED和按键。MAX78000FTHR为概念验证和早期软件开发提供经过功率优化管理的便捷、灵活开发平台，加快产品上市。

Fks6JkzkSnsi0nhYp9GLVi2e45w3

主要特征如下：

MAX78000微控制器
- 双核：Arm Cortex-M4 FPU处理器，100MHz；RISC-V协处理器，60MHz
- 512KB闪存
- 128KB SRAM
- 16KB缓存
- 卷积神经网络加速器
- 12位并行摄像头接口
- MAX20303可穿戴PMIC，带电量计
- 通过USB充电
- 板载DAPLink调试和编程
- Arm Cortex-M4 FPU处理器接口
- 兼容面包板的连接头
- Micro USB连接器
- Micro SD卡连接器
集成外设
- RGB指示LED
- 用户按钮
- CMOS VGA图像传感器
- 低功耗、立体声音频编解码器
- 数字麦克风
- SWD调试器
- 虚拟UART控制台
- 10引脚Cortex调试接头，用于RISC-V协处理器
音频处理：多关键词识别、声音分类、消噪声
面部识别
目标检测和分类
时间序列数据处理：心率/健康信号分析、多传感器分析、预测性维护

项目设计思路

原本是想基于MAX78000的智能边缘应用设计来实现车牌自动识别，在后续过程中发现收集车牌样本数据以及完成打标工作对于个人而言实在是很困难，所以换了一种思路，先设计一套验证码识别系统，原理上差不多，只是少了Object Detection步骤，但是实现起来就个人而言工作量大大降低，一个人花一些时间也能完成样本打标工作，只需要少量的样本数据即可实现。

搜集素材的思路

详见项目进度

预训练实现过程

详见项目进度

FseIRXWsN12VYF9GygkXmZKasBiR

实现结果展示

工作进度

详见项目进度，目前只完成模型的创建以及训练，看起来官方在PyTorch和TensorFlow的支持上还是有很大不同:-(

后期还需要完成量化模型以及代码生成的工作，然后再部署到开发板上。