当我们想到机器学习和人工智能时，我们马上就会想到拥有巨大计算能力的大型数据中心。但是树莓派Pico能够通过TinyML进行机器学习，TinyML是为微控制器开发的。有了40美元的Uctronics TinyML学习工具包，我们可以很容易地将计算机视觉添加到我们的项目中。
兼容不同的微控制器,如从Arduino的Uctronics TinyML学习Kitincludes Arducam迷你2 mp +相机已与其他微控制器使用一段时间,但随着覆盆子πPico的力量我们看到更好的机器学习的性能,比Arduino增加了近10倍。
我们把Uctronics TinyML学习工具包放在台上，了解了更多关于这个工具包可以提供什么。
电子学TinyML学习工具包的设计和使用
只有0.78 x 1.34英寸(20 x 34.1毫米)的重点装备Arducam 2 mp +,相机基于OV2640、2像素的摄像头也可以用于微控制器和电脑通过SPI(数据流和命令)和I2C(传感器配置)协议。
这款相机并不仅限于在内置的树莓派Pico上使用;它也可以与Arduino和ESP32基板一起使用。200万像素的分辨率可能听起来并不多，但对于计算机视觉和机器学习来说，这已经足够了，因为我们的图像将只有320 x 320像素。相机镜头包含在一个M12支架中，镜头可与其他M12镜头互换，可单独使用。
由于内置跳线，将相机连接到树莓派Pico或其他RP2040是小菜一碟。在线资源明显展示的徽章,我们应该使用相机连接到Pico并展示的针为包括TTL CP2102 USB适配器用于发送视频数据从微型到应用程序,这在我们的审查是一个人检测脚本运行处理,类似于Arduino IDE的编程界面，但面向视觉艺术。
在将用C/ c++编写的UF2项目刷新到Raspberry Pi Pico之后，我们安装了处理IDE和相应的代码来接收图像数据并在桌面上显示。如果你是一个MicroPython爱好者，那么现在还没有针对Raspberry Pi Pico的TensorFLow Lite的MicroPython库，但是Arducam正在努力支持它。Arducam Mini 2MP Plus Camera也可以用来拍摄简单的图像，它有一个社区支持的MicroPython库来简化这个过程。
与树莓派皮科相连的摄像头很酷，但机器学习更酷。微型机器学习(TinyML)是TensorFlow的一个版本，用于微控制器，它们的计算能力几乎总是比一台完整的计算机要低。Arduino、Espressif (ESP32)和现在的Raspberry Pi等微控制器经过训练后，能够识别物体、模式或响应来自麦克风、传感器等外部输入。
Arducam声称，使用OV2640相机和树莓派Pico，我们可以处理1帧每秒，这听起来可能不是很多，但在Arduino上运行的同等项目是每18秒1帧。所以在预算上，Pico显然是TinyML更好的董事会。Arducam提供了一个Github存储库，其中包含一系列TinyML演示，可以作为原始C代码在您的机器上进行定制和编译。如果您希望直接使用演示文件，可以在Pico上使用保存为UF2文件的预编译版本。
我们可以使用Uctronics TinyML学习工具包用于哪些项目?
Uctronics TinyML学习工具包是为TinyML设计的，因此它适用于那些需要足够处理能力来将计算机视觉和人工智能添加到项目中的项目。使用摄像机作为输入，我们可以给机器人“视觉”，并使用不同的模型，我们可以训练机器人搜索物体或人。
想要在房间里监视入侵者并通过互联网向你的设备发送警报?Arducam相机和我们的在线获取树莓派皮科的指南将使之成为可能。
底线
Uctronics TinyML学习工具包非常有趣，但是要从中得到最好的东西，你真的需要了解你的C/ c++，直到MicroPython库准备发布。如果你已经熟悉机器学习，那么这可能不是你的绊脚石。
Arducam Mini 2MP Plus Camera非常容易组装，有清晰的说明和GitHub存储库，只需一点时间，即使是新手程序员也能得到很好的结果。