9. 编程控制器——机器学习

用户自行训练模型，训练模型过程：新建3个需要训练的分类，进行多个角度的拍摄，让机器认识这个物品，收集足够多的图片后，机器可以自行分辨物品是哪个分类，实际上是把图像识别中的机器训练过程简化为界面交互形式。用户可利用这个分类结果进行编程，实现一定的控制效果。
示例程序：
①通过编程控制器机器学习分类下的“训练分类“启动机器学习页面：

②按照页面提示进行模型的拍摄，拍摄足够多的照片后，软件自动进行特征点提取，让机器学习模型的特征，从而达到分类：

③程序设计：启动电脑摄像头后，当按下键盘A键，软件开始分类摄像头所拍摄到的图像，当拍摄图像认为是某分类时，物体1线速度方向改为20mm/s。

④进入仿真，将要识别的图像放置摄像头前，按下A键，软件获取图像并进行分类对比：

9.1 保存训练分类

保存训练好的分类到本地磁盘；

9.2 导入训练分类

从本地导入训练好的分类；

9.3 电脑摄像头

此函数用于打开电脑设备的摄像头，在编程时需要放在程序的最开始位置，在仿真循环积木块之上。
zw_image_set_pc_camera(1)
积木块:

9.4 机器学习摄像头启动

此函数用于启动机器学习的摄像头。
zw_image_set_virtual_camera(‘ ‘)
积木块:

9.5 虚拟环境拍摄分类图片

用户可以自定义分类名称，进入虚拟环境后，会以该分类名称进行虚拟环境中的图片拍摄。
zw_machinelearning_capture(‘’)
积木块:

仿真示意图：将拍摄到的画面存到上方目录中

9.6 开始分类

此函数用于开始通过机器学习进行分类识别。
zw_machinelearning_classify()
积木块:

9.7 分类结果

此函数用于获得机器学习的分类识别的结果。
zw_machinelearning_classify_result()
积木块：

9.8 分类结果信心

此函数用于返回机器学习模型分类结果的可信度，即识别该类图像时的识别率。
zw_machinelearning_classify_confidence()
积木块：

9.9 分类结果

此函数用于将训练好的机器学习模型应用到预测中。
zw_machinelearning_classify_judgement(）
积木块：

9.10 虚拟机器学习案例演示

进入仿真环境，将镜头对准分类1，点击a开始拍摄。

每拍摄一次图片都会自动保存到本地
退出仿真打开机器学习模块

分类的图片和名称已经自动加载进机器学习模块中

点击开始训练模型并等待训练结束，训练成功后可以点击保存训练模型到本地，方便下次导入使用

点击导入训练分类，选中保存好的文件夹可以自动导入已经做好的分类。