【亲测有效】K210 数字识别实战:从 YOLO 模型到串口输出的完整链路

原创2026-10-26 12:26:221,327 阅读

【亲测有效】K210 数字识别实战:从 YOLO 模型到串口输出的完整链路

这个开源项目把一套 YOLO 数字识别方案完整跑在 Kendryte K210 上:摄像头抓帧、KPU 推理、屏幕画框,再通过串口把识别出的数字发给下游设备,标称准确率 94%。面向门锁密码面板、机械字轮、仪表盘读数这类固定场景的数字读取需求。

一帧数据怎么走完抓帧、推理、输出

整个程序就是 boot.py 里的一个 while 循环(约 70 行),数据流分三步:

  • 抓帧:sensor 初始化为 QVGA(320×240)、RGB565,sensor.set_windowing((224, 224)) 让摄像头只输出 224×224 窗口,正好是模型输入尺寸;
  • 推理:kpu.run_yolo2(task, img) 每帧跑一次模型。模型是 yolov5.kmodel,只有约 1.9MB,从 SD 卡的 /sd/yolov5.kmodel 加载;kpu.init_yolo2(task, 0.5, 0.3, 5, anchor) 这几个参数含义是:置信度阈值 0.5、NMS 阈值 0.3、每帧最多 5 个目标、9 组 anchors;
  • 输出:两路并行。LCD 上叠加画框、数字和置信度;UART(115200,8N1)把结果打包成 0x2C 0x12 + 数字 + 方向 + 0x77 0x77 0x5B 发往下游。

为什么选这条路:K210 的 KPU 是硬件加速器,只支持有限几种网络结构,YOLOv2 风格的目标检测结构可以直接上加速器,不回落 CPU。代价是不能随便塞模型,必须导出 KPU 认识的 kmodel 格式。还有个细节值得注意:代码按目标中心 x 是否小于 70 来判断方向(发 0 或 2),说明它是给"字轮显示"类下游设备写的,不是通用 demo。

三步在 K210 上跑通数字识别 🔧

环境是 MaixPy(K210 的 MicroPython 扩展),不需要其他依赖:

  1. git clone https://gitcode.com/open-source-toolkit/85043,解压 k210.zip,得到 5 个文件:boot.py、main.py、yolov5.kmodel、anchors.txt、lable.txt;
  2. 复制到开发板:boot.py 和 main.py 放文件系统根目录,yolov5.kmodel 放 SD 卡的 /sd/ 目录;
  3. 重启。MicroPython 启动流程先执行 boot.py,识别循环直接接管;main.py 是 MaixPy 出厂镜像自带的欢迎页,死循环之后它没有机会运行。

没有屏幕也能验证:用 USB 转串口模块接 GPIO 10(TX)和 GPIO 9(RX),以 115200 打开串口工具,能看到以 0x2C 0x12 开头的帧。

适用边界:9 个数字和一条写死的串口协议 📌

先说清楚它能做什么、不能做什么:

  • 识别范围只有 1-9:classes = ["9","1","4","2","3","8","5","6","7"],lable.txt 里同样没有"0"。README 宣称 0-9,这是代码需要补上的缺口;要识别 0,得补映射并确认模型本身按 10 类训练过。另外标签顺序不是数字序(0 号类对应"9"),改的时候别搞错映射;
  • 输入固定 224×224,摄像头 QVGA。数字在画面里占比越大,置信度越高;小数字、强透视形变、数字与字母混排的复杂背景都不在范围内;
  • 输出协议是写死的,帧格式和方向逻辑都在代码里,换下游设备要重写 UART 段;
  • 它是目标检测,不是 OCR。每个数字是独立目标,不敏感于位置和排版,能读一帧里多个数字;但"读出一个完整号码 12345"仍要靠下游拼装。

和树莓派上跑通用 OCR、或移植更大的检测模型相比,K210 这条路线是用模型能力换硬件加速——1.9MB 的模型在 KPU 上逐帧推理,README 声称可实时运行,整机功耗约 1 瓦量级。换来的是结构受限、类别数少。如果你的场景是"固定几个数字 + 固定视角",这笔交换是划算的。

下一步动作:接上 115200 串口工具,让摄像头对着手机屏幕上的数字,看哪些数字会出帧;再把 kpu.init_yolo2 里的 0.5 改成 0.3,数一数误检多几个,置信度阈值的取舍就有体感了。等固定场景跑稳后,再训一个含"0"类的模型,把最后一个数字补上。

登录后查看全文
基于K210的数字识别项目