0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

SD NAND芯片的測評與使用 基于卷積神經網絡的數字識別

jim ? 來源:雷龍發(fā)展 ? 作者:雷龍發(fā)展 ? 2024-07-24 18:08 ? 次閱讀

目錄

前言:

簡介:

對照:

測試:

使用:

照片存儲:

基于卷積神經網絡的數字識別:

————————————————

前言:

感謝深圳雷龍公司寄送的樣品,其中包括兩張2代的4gbit和32gbit的SD NAND FLASH芯片以及一份測試板卡。

簡介:

根據官方文檔的描述,這款芯片采用LGA-8封裝,具有標準SDIO接口,并同時兼容SPI和SD接口。因此,可以直接移植標準驅動代碼,支持使用SD NAND FLASH的SOC也可以用于TF卡啟動。

以下是該芯片的主要參數(以CSNP32GCR01-BOW手冊為準):

接口:符合標準SD Specification Version 2.0規(guī)范,包括1-I/O和4-I/O兩種模式。

默認模式:在默認模式下,時鐘頻率可變范圍為0-25 MHz,接口速度高達12.5 MB/sec(使用4條并行數據線路)。

高速模式:在高速模式下,時鐘頻率可變范圍為0-50 MHz,接口速度高達25 MB/sec(使用4條并行數據線路)。

目前,一些樹莓派和一些國產的微處理器經常通過SD卡進行系統的移植,但一些設計不合理的卡槽經常不能保護SD卡,反而會損壞折斷。相比之下,SD NAND可以通過貼片直接嵌入嵌入式設備中,更適合嵌入式環(huán)境的開發(fā)。同時,裸露的SD卡槽和松動的SD卡時常會影響系統的穩(wěn)定性,因此一個可以反復擦拭的穩(wěn)定存儲芯片顯得十分重要。

通過將測試板和芯片進行簡單的焊接,我們可以像使用SD卡一樣對SD NAND FLASH進行測試。

測試:

首先,我們使用CrystalDiskMark 8.0.4c對這款儲存器進行了測試:

本次測試的是512MB的容量的產品,容量是真實的。我們可以看出,在包括順序讀取、順序寫入、隨機讀取和隨機寫入的四個測試方式下,SD NAND取得了不錯的測試結果,接近官方數據,可以成功進行高速存儲。

使用:

此外,我們還利用k210與SD NAND進行了照片的存儲和基于卷積神經網絡的數字識別。

1.照片存儲:

通過向SD NAND內燒錄micropython代碼,實現了k210對照片的拍攝和存儲。存儲速度非???。

import sensor, lcd

from Maix import GPIO

from fpioa_manager import fm

from board import board_info

import os, sys

import time

import image

#### image size ####

set_windowing = (224, 224)

#### sensor config ####

sensor.reset(freq=22000000, dual_buff=False)

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QVGA) # 320x240

try:

sensor.set_jb_quality(95) # for IDE display quality

except Exception:

pass # no IDE support

if set_windowing:

sensor.set_windowing(set_windowing)

# sensor.set_auto_gain(False)

# sensor.set_auto_whitebal(False, rgb_gain_db=(0x52,0x40,0x4d))

# sensor.set_saturation(0)

# sensor.set_brightness(4)

# sensor.set_contrast(0)

# sensor.set_hmirror(True) # image horizonal mirror

# sensor.set_vflip(True) # image vertical flip

# sensor.set_auto_whitebal(False)

sensor.skip_frames()

#### lcd config ####

lcd.init(type=1, freq=15000000)

lcd.rotation(2)

#### boot key ####

boot_pin = 16 # board_info.BOOT_KEY

fm.register(boot_pin, fm.fpioa.GPIOHS0)

key = GPIO(GPIO.GPIOHS0, GPIO.PULL_UP)

######################################################

#### main ####

def capture_main(key):

def draw_string(img, x, y, text, color, scale, bg=None , full_w = False):

if bg:

if full_w:

full_w = img.width()

else:

full_w = len(text)*8*scale+4

img.draw_rectangle(x-2,y-2, full_w, 16*scale, fill=True, color=bg)

img = img.draw_string(x, y, text, color=color,scale=scale)

return img

def del_all_images():

os.chdir("/sd")

images_dir = "cap_images"

if images_dir in os.listdir():

os.chdir(images_dir)

types = os.listdir()

for t in types:

os.chdir(t)

files = os.listdir()

for f in files:

os.remove(f)

os.chdir("..")

os.rmdir(t)

os.chdir("..")

os.rmdir(images_dir)

# del_all_images()

os.chdir("/sd")

dirs = os.listdir()

images_dir = "cap_images"

last_dir = 0

for d in dirs:

if d.startswith(images_dir):

if len(d) > 11:

n = int(d[11:])

if n > last_dir:

last_dir = n

images_dir = "{}_{}".format(images_dir, last_dir+1)

print("save to ", images_dir)

if images_dir in os.listdir():

img = image.Image()

img = draw_string(img, 2, 200, "please del cap_images dir", color=lcd.WHITE,scale=1, bg=lcd.RED)

lcd.display(img)

sys.exit(1)

os.mkdir(images_dir)

last_cap_time = 0

last_btn_status = 1

save_dir = 0

save_count = 0

os.mkdir("{}/{}".format(images_dir, save_dir))

while(True):

img0 = sensor.snapshot()

if set_windowing:

img = image.Image()

img = img.draw_image(img0, (img.width() - set_windowing[0])//2, img.height() - set_windowing[1])

else:

img = img0.copy()

# img = img.resize(320, 240)

if key.value() == 0:

time.sleep_ms(30)

if key.value() == 0 and (last_btn_status == 1) and (time.ticks_ms() - last_cap_time > 500):

last_btn_status = 0

last_cap_time = time.ticks_ms()

else:

if time.ticks_ms() - last_cap_time > 5000:

img = draw_string(img, 2, 200, "release to change type", color=lcd.WHITE,scale=1, bg=lcd.RED)

else:

img = draw_string(img, 2, 200, "release to capture", color=lcd.WHITE,scale=1, bg=lcd.RED)

if time.ticks_ms() - last_cap_time > 2000:

img = draw_string(img, 2, 160, "keep push to change type", color=lcd.WHITE,scale=1, bg=lcd.RED)

else:

time.sleep_ms(30)

if key.value() == 1 and (last_btn_status == 0):

if time.ticks_ms() - last_cap_time > 5000:

img = draw_string(img, 2, 200, "change object type", color=lcd.WHITE,scale=1, bg=lcd.RED)

lcd.display(img)

time.sleep_ms(1000)

save_dir += 1

save_count = 0

dir_name = "{}/{}".format(images_dir, save_dir)

os.mkdir(dir_name)

else:

draw_string(img, 2, 200, "capture image {}".format(save_count), color=lcd.WHITE,scale=1, bg=lcd.RED)

lcd.display(img)

f_name = "{}/{}/{}.jpg".format(images_dir, save_dir, save_count)

img0.save(f_name, quality=95)

save_count += 1

last_btn_status = 1

img = draw_string(img, 2, 0, "will save to {}/{}/{}.jpg".format(images_dir, save_dir, save_count), color=lcd.WHITE,scale=1, bg=lcd.RED, full_w=True)

lcd.display(img)

del img

del img0

def main():

try:

capture_main(key)

except Exception as e:

print("error:", e)

import uio

s = uio.StringIO()

sys.print_exception(e, s)

s = s.getvalue()

img = image.Image()

img.draw_string(0, 0, s)

lcd.display(img)

main()

2.基于卷積神經網絡的數字識別:

我們向SD NAND內燒錄了功能代碼、模型參數和模型結構。SD NAND可以很好地存儲以上內容,并通過k210正確加載模型。在使用過程中,SD NAND表現出了出色的穩(wěn)定性,沒有出現崩潰或彈出的情況。

# generated by maixhub, tested on maixpy3 v0.4.8

# copy files to TF card and plug into board and power on

import sensor, image, lcd, time

import KPU as kpu

import gc, sys

input_size = (224, 224)

labels = ['1', '2', '3', '4', '5', '6', '7', '8']

anchors = [0.45, 1.55, 1.46, 2.54, 1.22, 1.55, 1.58, 2.59, 1.47, 2.78]

def lcd_show_except(e):

import uio

err_str = uio.StringIO()

sys.print_exception(e, err_str)

err_str = err_str.getvalue()

img = image.Image(size=input_size)

img.draw_string(0, 10, err_str, scale=1, color=(0xff,0x00,0x00))

lcd.display(img)

def main(anchors, labels = None, model_addr="/sd/m.kmodel", sensor_window=input_size, lcd_rotation=0, sensor_hmirror=False, sensor_vflip=False):

sensor.reset()

sensor.set_pixformat(sensor.RGB565)

sensor.set_framesize(sensor.QVGA)

sensor.set_windowing(sensor_window)

sensor.set_vflip(1)

sensor.run(1)

lcd.init(type=1)

lcd.rotation(lcd_rotation)

lcd.clear(lcd.WHITE)

if not labels:

with open('labels.txt','r') as f:

exec(f.read())

if not labels:

print("no labels.txt")

img = image.Image(size=(320, 240))

img.draw_string(90, 110, "no labels.txt", color=(255, 0, 0), scale=2)

lcd.display(img)

return 1

try:

img = image.Image("startup.jpg")

lcd.display(img)

except Exception:

img = image.Image(size=(320, 240))

img.draw_string(90, 110, "loading model...", color=(255, 255, 255), scale=2)

lcd.display(img)

try:

task = None

task = kpu.load(model_addr)

kpu.init_yolo2(task, 0.5, 0.3, 5, anchors) # threshold:[0,1], nms_value: [0, 1]

while(True):

img = sensor.snapshot()

t = time.ticks_ms()

objects = kpu.run_yolo2(task, img)

t = time.ticks_ms() - t

if objects:

for obj in objects:

pos = obj.rect()

img.draw_rectangle(pos)

img.draw_string(pos[0], pos[1], "%s : %.2f" %(labels[obj.classid()], obj.value()), scale=2, color=(255, 0, 0))

img.draw_string(0, 200, "t:%dms" %(t), scale=2, color=(255, 0, 0))

lcd.display(img)

except Exception as e:

raise e

finally:

if not task is None:

kpu.deinit(task)

if __name__ == "__main__":

try:

# main(anchors = anchors, labels=labels, model_addr=0x300000, lcd_rotation=0)

main(anchors = anchors, labels=labels, model_addr="/sd/model-54796.kmodel")

except Exception as e:

sys.print_exception(e)

lcd_show_except(e)

finally:

gc.collect()

通過以上兩個實驗,SD NAND代替?zhèn)鹘y的SD/TF卡進行數據存儲表現出了極大的優(yōu)勢和穩(wěn)定性。


審核編輯 黃宇

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯系本站處理。 舉報投訴
  • 芯片
    +關注

    關注

    452

    文章

    50224

    瀏覽量

    421007
  • 存儲
    +關注

    關注

    13

    文章

    4228

    瀏覽量

    85583
  • TF卡
    +關注

    關注

    2

    文章

    77

    瀏覽量

    12121
  • 卷積神經網絡

    關注

    4

    文章

    359

    瀏覽量

    11831
  • 測評
    +關注

    關注

    0

    文章

    42

    瀏覽量

    3091
收藏 人收藏

    評論

    相關推薦

    什么是卷積神經網絡?完整的卷積神經網絡(CNNS)解析

    卷積神經網絡(CNN)是一種特殊類型的神經網絡,在圖像上表現特別出色。卷積神經網絡由Yan LeCun在1998年提出,可以
    發(fā)表于 08-10 11:49 ?1.9w次閱讀

    使用PyTorch深度解析卷積神經網絡

    卷積神經網絡(CNN)是一種特殊類型的神經網絡,在圖像上表現特別出色。卷積神經網絡由Yan LeCun在1998年提出,可以
    發(fā)表于 09-21 10:12 ?812次閱讀

    【CS創(chuàng)世 SD NANDSD NAND芯片測評與使用(基于卷積神經網絡數字識別

    NAND取得了不錯的測試結果,接近官方數據,可以成功進行高速存儲。 []() 使用: 此外,我們還利用k210與SD NAND進行了照片的存儲和基于卷積
    發(fā)表于 07-24 18:24

    卷積神經網絡如何使用

    卷積神經網絡(CNN)究竟是什么,鑒于神經網絡在工程上經歷了曲折的歷史,您為什么還會在意它呢? 對于這些非常中肯的問題,我們似乎可以給出相對簡明的答案。
    發(fā)表于 07-17 07:21

    什么是圖卷積神經網絡?

    卷積神經網絡
    發(fā)表于 08-20 12:05

    卷積神經網絡的優(yōu)點是什么

    卷積神經網絡的優(yōu)點
    發(fā)表于 05-05 18:12

    卷積神經網絡一維卷積的處理過程

    。本文就以一維卷積神經網絡為例談談怎么來進一步優(yōu)化卷積神經網絡使用的memory。文章(卷積神經網絡
    發(fā)表于 12-23 06:16

    卷積神經網絡模型發(fā)展及應用

    的過程中存在梯度消失的問題[23],神經網絡再 次慢慢淡出人們的視線。1998 年 LeCun 發(fā)明了 LeNet-5,并在 Mnist 數據 集達到 98%以上的識別準確率,形成影響深遠的卷積
    發(fā)表于 08-02 10:39

    卷積神經網絡簡介:什么是機器學習?

    復雜數據中提取特征的強大工具。例如,這包括音頻信號或圖像中的復雜模式識別。本文討論了 CNN 相對于經典線性規(guī)劃的優(yōu)勢。后續(xù)文章“訓練卷積神經網絡:什么是機器學習?——第2部分”將討論如何訓練CNN
    發(fā)表于 02-23 20:11

    卷積神經網絡的應用 卷積神經網絡通常用來處理什么

    神經網絡卷積神經網絡廣泛用于圖像識別、自然語言處理、視頻處理等方面。本文將對卷積神經網絡的應用
    的頭像 發(fā)表于 08-21 16:41 ?4824次閱讀

    卷積神經網絡概述 卷積神經網絡的特點 cnn卷積神經網絡的優(yōu)點

    卷積神經網絡概述 卷積神經網絡的特點 cnn卷積神經網絡的優(yōu)點?
    的頭像 發(fā)表于 08-21 16:41 ?2786次閱讀

    卷積神經網絡如何識別圖像

    卷積神經網絡如何識別圖像? 卷積神經網絡(Convolutional Neural Network, CNN)由于其出色的圖像
    的頭像 發(fā)表于 08-21 16:49 ?1875次閱讀

    卷積神經網絡的基本原理 卷積神經網絡發(fā)展 卷積神經網絡三大特點

    中最重要的神經網絡之一。它是一種由多個卷積層和池化層(也可稱為下采樣層)組成的神經網絡。CNN 的基本思想是以圖像為輸入,通過網絡卷積、下
    的頭像 發(fā)表于 08-21 16:49 ?2276次閱讀

    卷積神經網絡層級結構 卷積神經網絡卷積層講解

    像分類、目標檢測、人臉識別等。卷積神經網絡的核心是卷積層和池化層,它們構成了網絡的主干,實現了對圖像特征的提取和抽象。 一、
    的頭像 發(fā)表于 08-21 16:49 ?7287次閱讀

    卷積神經網絡的介紹 什么是卷積神經網絡算法

    卷積神經網絡的介紹 什么是卷積神經網絡算法 卷積神經網絡涉及的關鍵技術
    的頭像 發(fā)表于 08-21 16:49 ?1803次閱讀