首先，十分遗憾，由于第一年参赛，尤其是这个赛项，我们当时做的时候网上也完全找不到参考资料，所以最开始一抹黑，硬着头皮从头开始做。最后初赛全省第一、决赛全省第二、国赛选拔赛全省第三，赛制挺迷的，省奖只看决赛成绩，进国赛又只看选拔赛成绩。而整个比赛要求最高最难的反而是初赛的要求。捶胸顿足，遗憾至极。同时由于我们比赛比较早，不知道当时是否能进入决赛，所以我们去年比完就开始了国赛的准备，更新了控制板，更新了识别算法，更新了垃圾分类当时，引入了机械臂，加入了云台，如果省赛这配置，国赛稳稳的，而且我觉得这一版参加今年的国赛，肯定是稳稳的。 正好这个日期也特殊，明天就是全国总决赛了，不过疫情原因是每个省同时组织，期待明天的大家的表现，希望我们学校其它赛道的队伍能够勇夺金奖（大赛改名升级了，再次捶胸顿足，没进国赛的遗憾）！！！
其次，大家也看到这个专题的第一篇文章已经写了大半年了，其实这个专题我早应该总结了。但是由于其它比赛和学业，加上找工作等等一些事宜一拖再拖。所以当时学习开发时遇到的一些坑都忘记，我尽力想起来帮大家填一些坑。一是给自己一个交代，二是和大家一起交流进步，或者是看着曾经自己写的那些代码我会不会自己笑起来（狗头！）。
（1）最开始的想法是参加互联网+，然后临时想出来的一个方向。当时考虑着做什么图像识别太难了，可能我们做不出来，然后就说用语音识别做，巴拉巴拉。最后靠编，竟然互联网+还混了个省铜（真不建议这个选题去参加互联网+这种比赛，因为垃圾分类做的人多，而且这玩意太局限，很多技术都那一实现，加上现阶段的垃圾分类大环境也不太好，所以很多老师也不看好，所以有天花板，走不远）；
（2）后来机缘巧合工训赛有这个赛道，加上遇到了一位十分负责和积极提供支持的指导老师，才得以这个作品最终有个雏形出来；
（3）最开始考虑的使用openmv，或者opencv在树莓派上做图像识别。 这个方案现阶段真不建议尝试，说实话，效果很不好。先不说准确率了，光是识别帧率就低到离谱。 所以当时也很巧合，发现一款很不错，上手很简单的开发板。就是Sipeed科技推出的几款k210芯片的开发板，第一眼看到，真是精致，再了解它的功能，简直强大，再看它的价格，wc，好划算（虽然这一年涨价了，还涨了不少）。尤其是这么小巧的一个板子，跑图像识别真是强，还很流畅，为什么呢？自己去看吧。
maixpy的WIKI文档
dfrobot的有关maixpy的论坛
Sipeed自己的官方论坛
Spieed的github工程
还有交流群，官方网站，等等其它资料和网站，WIKI里都有提及，也可以进群交流。
这些地方我差不多一年半没进去看过了，刚刚进去大概浏览了一下，焕然一新！ 其实看历程介绍，大家也可以看到这个板子很新，2018年出来的，我是在2020年入坑的，当时真的就是资料匮乏，解决问题的唯一途径就是群里直接问，我反正当时问了不少问题，当时的一群也才千来人。至于官方论坛，不超过50条记录，唯一可以看的也就10来条，剩下都是无人解答状态。至于WIKI文档，只有一个大概，很多信息只有标题没有内容，从当时到现在，这个文档的界面经历三四次大变，内容基本完善，所有的论坛都有非常非常多的提问和解答。CSDN，B站一下子涌出了大量资源。开发和学习环境有了很大的改进；
其实不止maixpy哈，其实大家TB可以搜一下K210，也有很多其它公司在做开发板，他们有的就做的很完善，有更多的引脚和板载资源，更适合学习。我不知道现在怎么样哈，当时用它的时候基本过几周就要出新固件，然后重新烧，遇到很多配置问题可能还需要改配置代码，很头疼，但是也很有趣，看到底层的东西。
（4）所以由此诞生了我们第二代，使用maixpy作为识别的主控，但是，使用的时候我们发现。maixpy太精致了，所以硬件资源很不够，当时我使用了播放视频+图像识别两个功能，但是经常出现out of memory，看了很多示例程序，也询问了群里的大佬，通过不断地释放资源的方式也没解决这个难题。最终考虑上下位机的方式解决，让K210单独做识别。至于下位机当时Arduino和stm32都考虑和简单使用了，当时传输使用串口传输数据时，也出现了很多问题，那一块用数据流传输可能好一点。具体的有机会后面讲；
（5）不过最后由于比赛要求需要播放视频（还是不同格式），你像STM32和Arduino来做的话使用串口屏也可以播放，但是效果不好，而且不支持不同格式，所以还是采取使用树莓派做下位机，播放视频会好很多。还有可以使用python编程，加快开发速度；
（6）maixpy+树莓派的方案当时实现了多种垃圾（12种左右，当时训练不方便，加上种类一多效果就不好，而且我们数据集也不多），加电机、舵机、超声波、压缩，红外等一系列的控制，完成了当时的省赛。
当时比赛现场抖音直播，可以看到很简陋。
（7）后面也就开始着手于国赛，直接上了jetsonnano，那硬件比之前好的不是一般般，而且maixpy识别用的yolov3图像识别算法，上了jetson之后直接升级成了yolov5，其实这虽然是一个系列，但是其实V5是另外的人做的，所以部署上还有很大的不同。不仅如此，我们机械结构完全重做了，比之前更灵活，加入云台设置，投递更快，还引入了机械臂。机械臂的话由于比赛紧，没有自己设计制作，是直接购买的一个六自由的机械臂。
第三代，可以看到精简了很多，俯视图（上方的结构当时还没设计好，后来也没继续下去这一块，上半部分应该密封，减少环境对识别效果的影响，还有滑到设计，使得垃圾平稳进入识别台，这一块我们没有最终呈现，大家制作学习时可以考虑一下！）
这大概就是我们制作开发的一个流程，我主要负责所有的软件开发和图像识别处理训练部分，另外有个小伙伴主要负责机械结构设计，还有一个小伙伴负责一部分的编程，以及比赛资料和文档的编写。还有最恶心人的数据集标注，当时我两没日没夜的标，还找了几个学弟学妹一起标，最终的数据集大概6500张，前前后后一共标了不下1W张，只是有的格式不一样，也不好转换，所以就舍去了不少。先感谢学弟学妹和我的小伙伴，其它小伙伴有需要可以联系我！
下一篇博客正式开始动手讲解。
网上找的加自己拍的，你看这青菜有多难标，想想就知道了！
每一类都500来张，标的有多痛苦想不到。
