3.8.1训练模型

千里马Plus学习下图中的两个路标。
image.png

物体学习的程序如下，千里马Plus初始化与切换到通用模型需要点时间，所有需要给它加个等待时间。初始化分类器为“R,G”,文本框输入的是模型的命名，多少个模型就是有多少个名字。名字之间用“英文逗号”隔开，即英文输入法下输入的逗号。模型数量不同，命名的数量不同，3个模型：a,b,c；四个模型：a,b,c,d，以此类推。
image.png

Step1：当屏幕显示“物体学习”表示成功切换到了通用模型模式，则可以开始学习了，如下图所示：
image.png

Step2：设置变量“count”表示学习的分类，第一次按下A键，表示学习第一个分类（右转路标），随后按下B键，表示正在学习，如果学习成功，千里马Plus左下角将会出现“添加到分类：0”字样，按一次B键，则表示学习一次，一张图最少学习3-5张，学习的时候需要调整卡片的角度，学习的数量越多，角度越多，识别越精准。
备注：学习环境也会影响识别结果。
image.png

Step3：第一个分类学习好之后，再次按下A键，表示可以学习第二个分类了（直行路标）。按下B键，开始学习第二个分类。学习方式、要求与前面一致。
image.png

Step4：第二个分类学习完毕后，按下A键，开始储存模型，左下角将出现“训练中……”字样，如下图所示。
image.png

Step5：运行分类器后，识别到图片，千里马Plus左下角出现模型名称（初始化分类器时所命的名）和一串数字，数字表示识别的精准度，数字越小说明识别的越精准。
备注：同样的模型，每一次学习的准确度都会不同，这与模型相似度、学习数量、角度等有关系。
image.png

3.8.2加载模型

案例：加载模型，千里马Plus在巡线过程中，遇到岔路口，根据路标指示进行行驶。
Step1：前面如果储存了模型，那么可以直接加载调用模型。加载分类器的名称必须与储存分类器时所写的一样，否则无法调用模型，第二个文本框与初始化分类器为也是对应的。
image.png

Step2：定义巡线函数。
image.png

Step3：判断是否存在数据，随后判断准确度，最后再判断是哪个分类。程序如下图所示。
image.png