【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别的8个小实验- Makelog(造物记)

【花雕测评】【AI】尝试搭建Maixduino几种开发环境
https://makelog.dfrobot.com.cn/article-311383.html
【花雕测评】【AI】MaixPy基本使用、显示文字及摄像机的22个小项目
https://makelog.dfrobot.com.cn/article-311389.html
【花雕测评】【AI】Mind+图片文字显示、呼吸灯和网络应用的22项小实验
https://makelog.dfrobot.com.cn/article-311386.html
【花雕测评】【AI】MaixPy机器视觉与Color识别的8个尝试
https://makelog.dfrobot.com.cn/article-311393.html
【花雕测评】【AI】Mind+机器视觉之数字图像处理和显示的22种小测试
https://makelog.dfrobot.com.cn/article-311405.html
【花雕测评】【AI】MaixPy之神经网络KPU与人脸识别的初步体验
https://makelog.dfrobot.com.cn/article-311400.html
【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别的8个小实验
https://makelog.dfrobot.com.cn/article-311417.html

机器视觉（machine vision）
是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。

作为一门科学学科，计算机视觉研究相关的理论和技术，试图创建能够从图像或者多维数据中获取“信息”的人工智能系统。这里所指的信息指香农定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。

作为一个工程学科，计算机视觉寻求基于相关理论与模型来创建计算机视觉系统。这类系统的组成部分包括：

过程控制（例如工业机器人和无人驾驶汽车）事件监测（例如图像监测）信息组织（例如图像数据库和图像序列的索引创建）物体与环境建模（例如工业检查，医学图像分析和拓扑建模）交感互动（例如人机互动的输入设备）

计算机视觉同样可以被看作是生物视觉的一个补充。在生物视觉领域中，人类和各种动物的视觉都得到了研究，从而创建了这些视觉系统感知信息过程中所使用的物理模型。另一方面，在计算机视觉中，靠软件和硬件实现的人工智能系统得到了研究与描述。生物视觉与计算机视觉进行的学科间交流为彼此都带来了巨大价值。

计算机视觉包含如下一些分支：画面重建，事件监测，目标跟踪，目标识别，机器学习，索引创建，图像恢复等。

颜色识别（Color recognition）

一般而言，从彩色CCD相机中获取的图像都是RGB图像。也就是说每一个像素都由红（R）绿（G）蓝（B）三个成分组成，来表示RGB色彩空间中的一个点。问题在于这些色差不同于人眼的感觉。即使很小的噪声也会改变颜色空间中的位置。所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。基于上述原因，我们需要将RGB像素转换成为另一种颜色空间CIELAB。目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。

1、颜色（colour）
颜色是通过眼、脑和我们的生活经验所产生的一种对光的视觉效应，我们肉眼所见到的光线，是由波长范围很窄的电磁波产生的，不同波长的电磁波表现为不同的颜色，对色彩的辨认是肉眼受到电磁波辐射能刺激后所引起的一种视觉神经的感觉。

颜色具有三个特性，即色相、饱和度和明亮度。简单讲就是光线照到物体，反射到眼中的部分被大脑感知，引起的一种感觉。通过色相(Hue)、饱和度(Saturation)和明亮度(Value)来表示，即我们常说的HSV。当然，颜色有不止一种表示方法，RGB三原色也是另外一种表示方法。但是对人类最直观感受的方式是HSV。

2、颜色空间（Color space）

颜色是通过眼、脑和我们的生活经验所产生的一种对光的视觉效应。我们肉眼所能见到的光线，是由波长范围很窄的电磁波产生；颜色就是人对光的一种感觉，由大脑产生的一种感觉。例如：绿叶反射波长为500~570nm的绿光。

例如初中物理中所学的光的三原色由红、绿、蓝组成，这就是RGB颜色空间，除此之外还有HSV、lab、CMY等颜色空间。

3、RGB模型（RGB model）

RGB三原色组成了五彩缤纷的世界，通过不同颜色之间的比例搭配得到赤橙黄绿青蓝紫，我们的相机、电视机就是利用颜色空间的模型，因此RGB主要面向硬件模型。色彩强度用0~255表示，总共256的灰度值，最大可呈现的色彩种类为256*256*256=16777216种。

4、HSV颜色模型（Hue, Saturation, Value）
a、色相Hue
如果将色彩分类，可分为含有颜色的有彩色与不含颜色的无彩色(黑、白、灰)两种。在有彩色中，红、蓝、黄等颜色的种类即称为“色相(Hue)”。
作为主要色相有红、黄、绿、蓝、紫。以这些色相为中心，按照颜色的光谱将颜色排列成环状的图形我们称之为“色相环”。使用此色相环我们即可求得中间色与补色。
b、饱和度Saturation
饱和度(Saturation)是指颜色的鲜艳度，表示色相的强弱。颜色较深鲜艳的色彩表示“饱和度较高”，相反颜色较浅发暗的色彩表示“饱和度较低”。饱和度最高的颜色称为“纯色”，饱和度最低的颜色(完全没有鲜艳度可言的颜色)即为无彩色。
c、明亮度Value
明亮度(Value)表示颜色的明暗程度。无论有彩色还是无彩色都具有明亮度。明亮的颜色表示“明亮度较高”，相反暗的颜色表示“明亮度较低”。无论有彩色还是无彩色，明亮度最高的颜色即为白色，明亮度最低的颜色即为黑色。也就是说，有彩色的明亮度可用与该亮度对应的无彩色的程度进行表示。
HSV的关系用一张图来表示如下：

5、 Lab颜色模式（Lab color mode）

Lab模式是根据Commission International Eclairage（CIE）在1931年所制定的一种测定颜色的国际标准建立的。于1976年被改进，并且命名的一种色彩模式。Lab颜色模型弥补了RGB和CMYK两种色彩模式的不足。它是一种设备无关的颜色模型，也是一种基于生理特征的颜色模型。

Lab颜色模型由三个要素组成，一个要素是亮度（L），a 和b是两个颜色通道。a包括的颜色是从深绿色（低亮度值）到灰色（中亮度值）再到亮粉红色（高亮度值）；b是从亮蓝色（低亮度值）到灰色（中亮度值）再到黄色（高亮度值）。因此，这种颜色混合后将产生具有明亮效果的色彩。

Lab模式既不依赖光线，也不依赖于颜料，它是CIE组织确定的一个理论上包括了人眼可以看见的所有色彩的色彩模式。

6、OpenCV
是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python、Java and MATLAB/OCTAVE（版本2.5）的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#、Ch、Ruby,GO的支持。

OpenCV于1999年由Intel建立，如今由Willow Garage提供支持。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV 拥有包括 500 多个C函数的跨平台的中、高层 API。它不依赖于其它的外部库——尽管也可以使用某些外部库。OpenCV 为Intel® Integrated Performance Primitives（IPP）提供了透明接口。这意味着如果有为特定处理器优化的 IPP 库，OpenCV 将在运行时自动加载这些库。

7、OpenCV概述
其全称是Open source Computer Vision Library，开放源代码计算机视觉库。也就是说，它是一套关于计算机视觉的开放源代码的API函数库。这也就意味着：
(1)不管是科学研究，还是商业应用，都可以利用它来作开发;
(2)所有API函数的源代码都是公开的，你可以看到其内部实现的程序步骤；
(3)你可以修改OpenCV的源代码，编译生成你需要的特定API函数。但是，作为一个库，它所提供的，仅仅是一些常用的，经典的，大众化的算法的API。

一个典型的计算机视觉算法，应该包含以下一些步骤：
(1)数据获取（对OpenCV来说，就是图片）；
(2)预处理;
(3)特征提取;
(4)特征选择;
(5)分类器设计与训练;
(6)分类判别;
而OpenCV对这六个部分，分别（记住这个词）提供了API。

8、基于OpenCV的Color识别
彩色模型
数字图像处理中常用的采用模型是RGB（红，绿，蓝）模型和HSV（色调，饱和度，亮度），RGB广泛应用于彩色监视器和彩色视频摄像机，我们平时的图片一般都是RGB模型。而HSV模型更符合人描述和解释颜色的方式，HSV的彩色描述对人来说是自然且非常直观的。

HSV模型
HSV模型中颜色的参数分别是：色调（H：hue），饱和度（S：saturation），亮度（V：value）。由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。
色调（H：hue）：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；
饱和度（S：saturation）：取值范围为0.0～1.0，值越大，颜色越饱和。
亮度（V：value）：取值范围为0(黑色)～255(白色)。

RGB转成HSV
设 (r, g, b) 分别是一个颜色的红、绿和蓝坐标，它们的值是在 0 到 1 之间的实数。设 max 等价于 r, g 和 b 中的最大者。设 min 等于这些值中的最小者。要找到在 HSV 空间中的 (h, s, v) 值，这里的 h ∈ [0, 360）是角度的色相角，而 s, v ∈ [0,1] 是饱和度和亮度。 OpenCV下有个函数可以直接将RGB模型转换为HSV模型，OpenCV中H∈ [0, 180）， S ∈ [0, 255]， V ∈ [0, 255]。我们知道H分量基本能表示一个物体的颜色，但是S和V的取值也要在一定范围内，因为S代表的是H所表示的那个颜色和白色的混合程度，也就说S越小，颜色越发白，也就是越浅；V代表的是H所表示的那个颜色和黑色的混合程度，也就说V越小，颜色越发黑。大致识别蓝色的取值是 H在100到140，S和V都在90到255之间。

9、OpenCV颜色识别思路
a、创建滑动条：用来调节阈值，识别出不同颜色。
b、颜色空间转换：将RGB转换为HSV模型，于是可以通过不同颜色的HSV的阈值不同来识别出该种颜色。Opencv中使用cvtcolor()可实现。一般彩色图像都是RGB颜色空间，而HSV色彩空间模型是一种在人们生活中甚至更常用的颜色系统，在电视遥控器上、在画画的调色板中、在看电视时调整亮度时都很常见，因为它更符合人们描述颜色的方式——是什么颜色、颜色有多深、颜色有多亮。需要注意的是，在opencv中，H、S、V值范围分别是[0,180)，[0,255)，[0,255)，而非实际模型[0,360]，[0,1]，[0,1]。
c、直方图均衡化：由于光线的影响，手机读取的每一帧图片可能存在太亮或者太暗的问题，直方图均衡化可以将每个区间的像素点分布更均衡，使图像的层次感更强。Opencv中可以用equalizeHist()函数实现。直方图均衡化就是将原始的直方图拉伸，使之均匀分布在全部灰度范围内，从而增强图像的对比度。直方图均衡化的中心思想是把原始图像的的灰度直方图从比较集中的某个区域变成在全部灰度范围内的均匀分布
d、二值化：将图像上的像素点的灰度值设置为0或255，这样将使整个图像呈现出明显的黑白效果。对灰度图像进行二值化处理，可以突出一定范围的信息。它是将像素点颜色值在所设定区间内（如a-b）的设定为255，在范围外的设为0.但是对于ab和的不同取值，二值化的效果会有很大的不同。
e、开操作：用来去除图像中的噪点，即干扰信息。Opencv中可以使用getStructuringElement()函数来进行相应设置。开操作是基于图像的膨胀和腐蚀而言的，膨胀就是对图像高亮部分进行“领域扩张”，效果图拥有比原图更大的高亮区域；腐蚀是原图中的高亮区域被蚕食，效果图拥有比原图更小的高亮区域。而开操作是对图像先腐蚀再膨胀，用来消除小物体。其数学原理是定义一个卷积核B，将其与目标图像进行卷积，就可以达到相应效果。不同形状和大小的核会出现不同的效果。
f、闭操作：进行开操作之后可能会有一些断开的区域，闭操作可以将这些未联通的区域进行封闭，使图像更完整。闭操作是开操作的相反，先膨胀再腐蚀，用于排除小型黑洞，其原理与开操作相同。

形状识别（shape recognition）
是模式识别的重要方向，在计算机中物体的形状有多种表示方式，基于不同的形状表示方式，提出了多种形状识别方法，如基于傅里叶描述子、主分量分析、不变性距等方法。在形状识别中，识别所基于的模式特征非常重要。

随着多媒体技术、计算机通信技术及网络的迅速发展，人们在生活中广泛地应用性能俱佳的电子设备，也接触到更多的需要去处理的数字图像信息。

数字图像的识别技术已经日益广泛应用在我们生活和工作中各个方面安全等等。因此，图像目标识别具有重大研究意义，获得的研究成果应用前景非常广阔。分析研究形状识别在图像目标识别中发挥出重要作用，形状特征匹配的好差直接决定了目标识别的效果。

关于Maixduino的开发环境

详见《【花雕测评】【AI】尝试搭建Maixduino几种开发环境》
https://makelog.dfrobot.com.cn/article-311383.html

手头有个多彩魔方，五种颜色，就拿它当识别颜色的实验道具了。

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别
实验之一：识别魔方各色块的灰度值，并将其显示在屏幕的左上角

1、Mind+图形编程

2、实验场景动态图

3、实验之一的说明：
本案例以一只普通魔方的色彩为准（室内LED灯的光线，魔方采用手电筒补光），得出的灰度识别实验数据（灰度值）仅供参考（灰度数值受光线影响较大）

白色 94
红色 61
绿色 75
蓝色 61
黄色 97
橙色 73

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别
实验之二：动态识别魔方各颜色块的LAB值，并将其显示在屏幕的左上角

1、Mind+图形编程

2、实验场景动态图

3、实验场景图

4、实验场景视频（60秒）

https://v.youku.com/v_show/id_XNTgxNjgxNDA1Mg==.html?spm=a2hcb.playlsit.page.1

实验之二的说明：
本案例以一只普通魔方的色彩为准（室内LED灯的光线），得出的实验数据（LAB值）仅供参考

红色 255、89、59
绿色 90、255、198
蓝色 113、169、255
黄色 254、235、27
橙色 253、156、39

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别
实验之三：识别二维码

1、什么是二维码
二维码又称二维条码，常见的二维码为QR Code，QR全称Quick Response，是一个近几年来移动设备上超流行的一种编码方式，它比传统的Bar Code条形码能存更多的信息，也能表示更多的数据类型。

2、二维码的分类
二维码，从字面上看就是用两个维度（水平方向和垂直方向）来进行数据的编码，条形码只利用了一个维度（水平方向）表示信息，在另一个维度(垂直方向)没有意义，所以二维码比条形码有着更高的数据存储容量。

从形成方式上，二维码可以分为两类，

a、堆叠式二维码：在一维条形码的基础上，将多个条形码堆积在一起进行编码，常见的编码标准有PDF417等

b、矩阵式二维码:在一个矩阵空间中通过黑色和白色的方块进行信息的表示，黑色的方块表示1，白色的方块表示0，相应的组合表示了一系列的信息，常见的编码标准有QR 码，汉信码等

3、Mind+图形编程

4、实验场景图

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别
实验之四：识别条形码

1、什么是条形码
条形码(barcode)是将宽度不等的多个黑条和空白，按照一定的编码规则排列，用以表达一组信息的图形标识符。常见的条形码是由反射率相差很大的黑条（简称条）和白条（简称空）排成的平行线图案。条形码可以标出物品的生产国、制造厂家、商品名称、生产日期、图书分类号、邮件起止地点、类别、日期等许多信息，因而在商品流通、图书管理、邮政管理、银行系统等许多领域都得到广泛的应用

2、条形码识别原理
条码符号是由反射率不同的“条”、“空”按照一定的编码规则组合起来的一种信息符号。由于条码符号中“条”、“空”对光线具有不同的反射率，从而使条码扫描器接受到强弱不同的反射光信号，相应地产生电位高低不同的电脉冲。而条码符号中“条”、“空”的宽度则决定电位高低不同的电脉冲信号的长短。扫描器接收到的光信号需要经光电转换成电信号并通过放大电路进行放大。由于扫描光点具有一定的尺寸、条码印刷时的边缘模糊性以及一些其他原因，经过电路放大的条码电信号是一种平滑的起伏信号，这种信号被称为“模拟电信号”。“模拟电信号”需经整形变成通常的“数字信号”。根据码制所对应的编码规则，译码器便可将“数字信号”识读译成数字、字符信息

3、Mind+图形编程

4、实验场景图

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别
实验之五：识别AprilTag码

1、AprilTag是一个视觉基准系统，可用于各种任务，包括AR，机器人和相机校准。这个tag可以直接用打印机打印出来，而AprilTag检测程序可以计算相对于相机的精确3D位置，方向和id。对于OpenMV来说，这个特别有用！它大概长这个样子：

资料：https://april.eecs.umich.edu/software/apriltag.html

2、和条形码二维码的区别
AprilTag标记在机器视觉中显得比条形码、二维码更加有用，因为它能够通过AprilTag检测程序可以计算相对于相机的精确3D位置，方向和id；真实世界中的3D位置对于机器来说非常有用！AprilTag常用于各种任务，包括AR，机器人和相机校准。

3、Mind+图形编程

4、实验串口返回情况，出错

初始化 i2c2
[MAIXPY]：传感器 ID = 9d
[MAIXPY]：找到gc0328
E (1474384666) SYSCALL：内存不足

回溯（最近一次调用最后一次）：
中的文件“main.py”，第 22 行
内存错误：内存不足！请降低您正在运行此算法的图像的分辨率以绕过此问题！

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别
实验之六：识别直线

1、Mind+图形编程

2、实验场景动态图

3、实验场景视频

https://v.youku.com/v_show/id_XNTgxNzA2MzIwOA==.html?spm=a2hcb.playlsit.page.1

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别
实验之七：识别圆形

1、Mind+图形编程

2、实验场景图

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别
实验之八：识别圆形，计算面积并打印

1、Mind+图形编程

2、实验场景图

实验场景图

Arduino 系列传感器和执行器模块实验目录清单：
一块扩展板完成Arduino的10类37项实验（代码+图形+仿真）
https://mc.dfrobot.com.cn/thread-280845-1-1.html
连杆形式的腿机构十一种：盘点机器人行走背后的机械原理
https://mc.dfrobot.com.cn/thread-308097-1-1.html
【花雕动手做】超低成本，尝试五十元的麦克纳姆轮小车！
https://mc.dfrobot.com.cn/thread-307863-1-1.html
【花雕动手做】超迷你哦，用徽商香烟盒做个智能小车！
https://mc.dfrobot.com.cn/thread-307907-1-1.html
【花雕动手做】太搞笑啦，一支胶管制成二只蠕动机器人
https://mc.dfrobot.com.cn/thread-308046-1-1.html
【花雕动手做】快餐盒盖，极低成本搭建机器人实验平台
https://mc.dfrobot.com.cn/thread-308063-1-1.html
【花雕动手做】特别苗条，使用微波传感器控制的纤细小车
https://mc.dfrobot.com.cn/thread-308866-1-1.html
【花雕动手做】脑洞大开、五花八门的简易机器人66种
https://mc.dfrobot.com.cn/thread-307900-1-1.html
【花雕动手做】看见声音，基于Arduino系列音乐可视器（1）---LED节奏灯
https://mc.dfrobot.com.cn/thread-311167-1-1.html
【花雕动手做】看见声音，基于Arduino系列音乐可视器（2）---OLED频谱灯
https://mc.dfrobot.com.cn/thread-311174-1-1.html
【花雕动手做】看见声音，基于Arduino系列音乐可视器（3）---RGB律动灯
https://mc.dfrobot.com.cn/thread-311183-1-1.html
【花雕动手做】看见声音，基于Arduino系列音乐可视器（4）---WS2812条灯
https://mc.dfrobot.com.cn/thread-311190-1-1.html
【花雕动手做】看见声音，基于Arduino系列音乐可视器（5）---WS2812柱跳灯
https://mc.dfrobot.com.cn/thread-311192-1-1.html
【花雕动手做】看见声音，基于Arduino系列音乐可视器（6）---点阵频谱灯
https://mc.dfrobot.com.cn/thread-311201-1-1.html

实验一百五十八：QMC5883L电子指南针罗盘模块三轴磁场传感器GY-271
https://mc.dfrobot.com.cn/thread-308195-1-1.html
实验一百六十三：BMI160 6轴惯性运动传感器 16位3轴加速度+超低功耗3轴陀螺仪 I2C/SPI 14LGA
https://mc.dfrobot.com.cn/thread-310371-1-1.html
实验一百六十五：2.4 英寸 TFT LCD 触摸屏模块 XPT2046 PCB ILI9341 240x320 像素 8 位 SPI 串口显示器 300mA
https://mc.dfrobot.com.cn/thread-309803-1-1.html
实验一百七十六：6mm大尺寸8x8LED方块方格点阵模块可级联红绿蓝白色可选8级亮度
https://mc.dfrobot.com.cn/thread-309845-1-1.html
实验一百七十九：0.66英寸OLED显示模块液晶屏模块IIC/I2C接口 64*48像素 SSD1306驱动芯片
https://mc.dfrobot.com.cn/thread-311179-1-1.html
实验一百八十一：1.3寸OLED液晶屏 I2C IIC通信 4针模块 1106/1306驱动 128*64像素
https://mc.dfrobot.com.cn/thread-311123-1-1.html
实验一百八十三：GY-530 VL53L0X 激光测距 ToF测距飞行时间测距传感器模块 IIC通信协议
https://mc.dfrobot.com.cn/thread-310273-1-1.html
实验一百八十五：MAX4466声音传感器驻极体话筒放大器麦克风可调功放模块 microphone
https://mc.dfrobot.com.cn/thread-310193-1-1.html
实验一百八十九：TDA1308 硅麦克风数字咪头放大模块拾音器放大板楼氏SUNLEPHANT
https://mc.dfrobot.com.cn/thread-310246-1-1.html
实验一百九十三：TCS34725颜色识别传感器 RGB IIC明光感应模块 ColorSensor
https://mc.dfrobot.com.cn/thread-310209-1-1.html
实验二百：RCWL-0515微波雷达感应开关人体感应智能感应探测传感器 12-15米远距离2.7G微波检测模块
https://mc.dfrobot.com.cn/thread-310313-1-1.html
实验二百零一：OPT101模拟光照传感器 TEMT6000光强度模块单片光电二极管 YourCee
https://mc.dfrobot.com.cn/thread-311164-1-1.html
实验二百零三：Air724UG合宙 Cat14G模块 DTU物联网UART串口通信数据TCP透传核心板组合套餐
https://mc.dfrobot.com.cn/thread-310342-1-1.html
实验二百零七：I2C红色8*8LED点阵模块ht16k33驱动1088BS树莓派物联网可扩展编程
https://mc.dfrobot.com.cn/thread-310951-1-1.html
实验二百零九：Gravity: I2C & UART BC20 NB-IoT & GNSS通信模块 NB-IoT广域低功耗无线通信 GPS/北斗精准定位
https://mc.dfrobot.com.cn/thread-310433-1-1.html

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别的8个小实验 简单

【花雕测评】【AI】Mind+机器视觉之颜色、维码与形状识别的8个小实验简单