[图片]

[图片]

再说说树莓派5是在得捷官网下单购买，国内发货，几天就到了，方便快捷

最后测试结果不是太满意，能识别但是识别率有点低，重新训练了几次还是识别率低，不知道是因为我训练的图片不是测试相机拍的原因，还是我的流程有问题，后续准备用pytorch和YOLOv5试试，因为是测试，所以实在是不想花太多的时间去标注。总结：之前简单测试树莓派4感觉用sd卡速度上跟不上，这次用树莓派5跑视频感觉跟机载存储差别不是很大，虽然有点延迟，但是级别能接受，也可能我显示的分辨率比较低也有原因

训练模型代码：importh5pyimportnumpyasnpfromsklearn.model_selectionimporttrain_test_splitfromkeras.utilsimportto_categoricalimporttensorflowastffromtensorflow.kerasimportlayers,modelsimporttime#Loaddatasetdefload_dataset():  data=h5py.File("dataset/data.h5","r")  X_data=np.array(data['X'])  Y_data=np.array(data['Y'])     X_train,X_test,y_train,y_test=train_test_split(X_data,Y_data,train_size=0.9,test_size=0.1,random_state=22)     X_train=X_train/255. #Normalize  X_test=X_test/255.     y_train=to_categorical(y_train,num_classes=11)  y_test=to_categorical(y_test,num_classes=11)  returnX_train,X_test,y_train,y_test#DefineCNNmodelusingKerasdefcnn_model(input_shape,num_classes):  model=models.Sequential()     #Convolutionallayers  model.add(layers.Conv2D(32,(5,5),activation='relu',input_shape=input_shape))  model.add(layers.MaxPooling2D(pool_size=(2,2)))     model.add(layers.Conv2D(64,(5,5),activation='relu'))  model.add(layers.MaxPooling2D(pool_size=(2,2)))  #Flatten  model.add(layers.Flatten())  model.add(layers.Dense(200,activation='relu'))  model.add(layers.Dropout(0.2)) #Dropoutlayerforregularization  model.add(layers.Dense(num_classes,activation='softmax'))  #Compilemodel  model.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])     returnmodelif__name__=="__main__":  print("Loadingdataset:"+str(time.strftime('%Y-%m-%d%H:%M:%S')))  X_train,X_test,y_train,y_test=load_dataset()     print("Startingtraining:"+str(time.strftime('%Y-%m-%d%H:%M:%S')))     #Definemodel  model=cnn_model(input_shape=(64,64,3),num_classes=11)     #Trainmodel  model.fit(X_train,y_train,epochs=500,batch_size=16,validation_data=(X_test,y_test))     #Savemodel  model.save("model_500_200_c3/cnn_model.keras")

[图片]

[图片]

[图片]

[图片]

[图片][图片]