4.2 AI辅助开发技巧 openmv+STM32串口通信 识别物体 神经网络训练

**非常详细的视频和文字教程，讲解常见的openmv教程包括 巡线、物体识别、圆环识别、阈值自动获取等。非常适合学习openmv、K210、K230等项目
视频合集链接在

专刊openmv视觉文章链接:
https://blog.csdn.net/qq_46187594/category_12900902.html

4.2 AI辅助开发技巧

4.2.1-推荐的ai工具

下面的AI 并无性能先后顺序，按照个人了解的先后顺序进行介绍，大家可以根据自己的情况选择自己合适的。

deepseek

deepseek官网: DeepSeek - Into the Unknown

我当时用的时候

由于DeepSeek的服务受到大规模恶意攻击或者访问人数过多，可能会导致注册繁忙。请稍候再试。注册用户可以正常登录。感谢您的理解和支持。

如果Deepseek经常无法访问可以使用这:https://cloud.siliconflow.cn/i/aeXRfoX9

可以选择你想使用的模型类型

选择在线体验就行

chatGPT3.5

国外chatGPT链接:Introducing ChatGPT | OpenAI :https://openai.com/index/chatgpt/

chatGPT3.5或者chatGPT4.0都可以，chatGPT4.0是收费的

如果没有账号可以不登录使用chatGPT3.5

********

还有国内chatGPT镜像

这个是可以免费使用chatGPT3.5的而且不需要翻墙

国内镜像的免费试用chatGPT链接: https://ai.chaoshidai.net/#/?from=invite&invite_id=22650690

当然百度也可以搜索到其他国内镜像的chatgtp有些也是可以免费使用3.5

国内AI语义大模型

质谱清言:智谱清言

星火模型:讯飞星火大模型-AI大语言模型-星火大模型-科大讯飞

kimi:[Kimi.ai - AI Assistant by Moonshot AI]

4.2.2-如何选择一个适合的方案

比赛或者工作研究等项目开发过程中，总是需要开发一些自己不了解大的功能代码和方案，那么如何完成这个功能开发那？

下面通过要完成一个可以 追小球的智能车开始展开介绍。

1. 了解所要执行的功能.

(通过B站、CSDN、抖音看别人做成的是什么样子) 查询别人完成相关演示视频，对整个功能最终效果有所了解。

搜索过程要详略得到，尽量只搜索关键字，关键词之间用空格隔开。

总结为: 直流电机驱动的小车，通过安装的摄像头感知，前方 球形 纯色物体的位置，然后控制小车正视智能车和追逐智能车。

2. 查找解决方案

(通过B站、CSDN、抖音、chatGPT看别人做成的是选择的什么方案) 何为 “方案”-通过选择什么硬件、通过何种软件、完成功能。



3. 查找各个方案可行性和执行难度等

(开始细致查询每个方案实施细节、方案执行难度)

主要可以通过查看CSDN、B站、github等网址上有多少人，使用某方案实现了项目，并且他实现的功能你是否满意。

并且他是否开源或者讲解了他的一些方案实时细节，很重要的一点，你是否能够大概看懂他讲解的方案。

浏览简介和介绍视频，快速了解这个方案或者项目是怎么回事。

查看目录，了解项目都是什么方案和功能。

4. 执行方案

(尝试执行自己认为最适合自己的方案和方法)

选择一个方案，开始执行。

尽量和你要学习完成或者资料比较多的方案，选择使用一样的硬件(这样可以提高效率)。

在执行方案的时候，尽量遵循循序渐进，逐渐逼近完成项目，不要想一口气，直接做好。

4.2.3-如何执行方案

借助AI读懂代码

适合比如你不知道从哪里搞了一份代码，但是你读不懂，里面的代码是干什么的，可以发给AI，让他帮你讲解注释一下。

比如我发给他这个是 具体讲解一下，下面代码是什么意思+“3.2.4-通过指定区域获得阈值介绍和单独实现章节的代码”

然后这个是他的部分解释。

借助AI提供优化方案

比如我们发他的内容为:描述你当前的代码或者完成的功能，但是出现的问题，并希望他解决这个问题给出优化方案。

现在发给他 "3.4.6-识别形状+颜色+增加最小变化阈值+增加最大变化阈值"代码

比如我询问他的问题如何：

背景+已经完成什么+还需要完成或者优化什么+你想让他怎么帮助你。

现在我做的是openmv视觉追小球智能车，然后现在做视觉部分，可以识别红色小球，但是发现识别有些不稳定，识别的小球偶尔识别不到，这样跟踪目标就会消失，帮我想些优化方案，下面是我的代码，import sensor, image, time
# 定义颜色阈值（L, A, B），用于识别红色
color_threshold = (0, 100, 0, 127, 0, 127)
# 初始化摄像头模块
sensor.reset()  # 重置摄像头，确保设备正常工作
... ... 省略后面的代码(这个只是我笔记中省略，实际你和AI对话中尽量把你的代码带上，如果代码太多就只使用核心部分代码)
... ... 省略后面的代码
... ... 省略后面的代码

然后这个是AI的回答，对于AI回答的答案你有什么不懂的可以继续问他或者通过B站、CSDN、百度、谷歌等确定这个方案可行性。

比如我以下面 4. 霍夫圆检测参数优化 这个为例子讲解

你可以告诉他: 请仔细讲解一下，你给出的

4. 霍夫圆检测参数优化
问题：圆形检测可能受到半径、阈值等参数的限制。
解决方案：
调整 threshold, x_margin, y_margin, r_margin 和 r_step 参数。
如果目标尺寸相对固定，可以缩小 r_min 和 r_max 的范围。

这个里面参数是什么意义并且如何调整，给出示例案例。

比如下面就是AI给出的具体参数讲解

注意到第四个参数，是检测圆形半径的范围，定义圆形半径的最小值和最大值

但是这个上面单位是像素，那么我们需要了解，我们当前的像素，对应实际多少mm。

可以继续问他 :

你上面描述的

r_min 和 r_max
意义：
控制检测圆形的半径范围，定义圆形半径的最小值和最大值（像素单位）

这个是像素单位，但是我不知道这个像素单位对应我实际多少mm，然后这个是我的代码，请帮我讲解计算一下

import sensor, image, time
# 定义颜色阈值（L, A, B），用于识别红色
color_threshold = (0, 100, 0, 127, 0, 127)
# 初始化摄像头模块
sensor.reset()  # 重置摄像头，确保设备正常工作
... ... 省略后面的代码(这个只是我笔记中省略，实际你和AI对话中尽量把你的代码带上，如果代码太多就只使用核心部分代码)
... ... 省略后面的代码
... ... 省略后面的代码

然后这个是AI 给出的计算案例，当然也可以根据我前面讲解的如何确定像素大小阈值 着方法来确定像素大小。