OpenMV AE3¶

OpenMV AE3 以 Alif Ensemble E3 為核心打造——這是一款雙 ARM Cortex‑M55 SoC（400 MHz HP 核心 + 160 MHz HE 核心），內建兩顆 NPU（400 MHz / 204 GOPS HP NPU + 160 MHz / 46 GOPS HE NPU）。此開發板將這兩顆 NPU 與 PAG7936 1 MP 全域快門感測器、USB‑C 高速介面、Wi‑Fi、Bluetooth 5.1、LSM6DSM IMU、一顆麥克風，以及一顆 8×8 VL53L8CX 飛時測距儀整合在一塊 30 × 30 mm 的板子上。

完整的資料表、照片與尺寸請參閱 OpenMV AE3 產品頁面。

重點特色¶

Alif Ensemble E3 —— 雙 ARM Cortex‑M55，搭載 Helium 128 位元 SIMD，400 MHz HP 核心 + 160 MHz HE 核心（約 640 / 約 256 DMIPS，CoreMark 1748 / 752）。
雙 NPU：400 MHz / 204 GOPS HP NPU + 160 MHz / 46 GOPS HE NPU，用於 AI/ML——可在執行其他工作的同時運行 YOLO 物件偵測。
硬體 2D GPU，用於縮放。
13.5 MB 內部 SRAM，外加 5.5 MB 晶片內 MRAM 與 32 MB 外部八線快閃記憶體（100 MHz 8 位元 DDR，200 MB/s 讀取）。
4 KB 備份 RAM，搭配晶片內 RTC。
PAG7936 1 MP 彩色全域快門感測器。
板載 IMU（LSM6DSM 加速度計 + 陀螺儀）、麥克風，以及 VL53L8CX 8×8 飛時測距 感測器（最遠 4 m）。
高速 USB‑C（480 Mb/s），具備 EMI 濾波與 TVS 保護，Wi‑Fi a/b/g/n + Bluetooth 5.1（晶片天線或 U.FL 選項）。
10 個使用者 I/O 接腳 —— P0–P3 位於側邊排針，P4–P5 位於 Qwiic 連接器，P6–P9 位於背面的 B2B 排針。額外的除錯與復原線路同樣引出至 B2B 排針。
所有接腳皆為 3.3 V 輸出 / 3.3 V 容忍，每接腳 25 mA，支援中斷。ADC 輸入以 1.8 V 為參考電壓。
使用者 RGB LED、使用者按鈕、復原開關、Qwiic 連接器。
在 3.3 V 下 深度睡眠 80 µA（閒置 24 mA，運作 50–60 mA）。

警告

AE3 的 I/O 接腳 不可容忍 5 V。請勿將本裝置直接連接至如 Arduino Mega 等 5 V MCU——任何 5 V 訊號都請使用準位轉換器。

接腳圖¶

接腳參考¶

AE3 在側邊排針上引出 10 個使用者接腳（P0–P9）。額外訊號——包括 JTAG 與復原線路——則引出至板子 背面的 B2B（板對板）排針，供擴充板與載板使用。

接腳名稱	參考電壓	功能
P0	3.3 V	SPI0 MOSI / I2C2 SCL / UART4 TX / TIM0 T1 / PDM D3
P1	3.3 V	SPI0 MISO / I2C2 SDA / UART4 RX / TIM0 T0
P2	3.3 V	SPI0 SCLK / LPI2C SDA / UART5 TX / TIM1 T1
P3	3.3 V	SPI0 SS / LPI2C SCL / UART5 RX / TIM1 T0 / PDM C3
P4	3.3 V	I2C1 SCL / UART1 TX / TIM2 T1 / PDM C0 / CAN TX
P5	3.3 V	I2C1 SDA / UART1 RX / TIM2 T0 / PDM D0 / CAN RX
P6	1.8 V	I2C1 SDA / UART3 CTS / TIM9 T0（僅 B2B）
P7	1.8 V	I2C1 SCL / UART3 RTS / TIM9 T1（僅 B2B）
P8	1.8 V	I3C SDA / UART3 RX / TIM5 T0 / ADC ch S10（僅 B2B）
P9	1.8 V	I3C SCL / UART3 TX / TIM5 T1 / ADC ch S11（僅 B2B）
P10	1.8 V	GPIO / JTAG TCK（僅 B2B）
P11	1.8 V	GPIO / JTAG TDO（僅 B2B）
P13	1.8 V	GPIO / JTAG TMS（僅 B2B）
P14	1.8 V	GPIO / JTAG TDI（僅 B2B）
RESET	3.3 V	拉至 GND 以重置開發板
SW	3.3 V	使用者按鈕（低電位有效）
LED_RED	3.3 V	RGB LED 紅色通道（低電位有效）
LED_GREEN	3.3 V	RGB LED 綠色通道（低電位有效）
LED_BLUE	3.3 V	RGB LED 藍色通道（低電位有效）

備註

P0–P5 位於側邊排針（以 3.3 V 為參考）；P6–P9 僅引出至板子背面的 B2B 排針，並以 1.8 V 為參考。 將 3.3 V 灌入以 1.8 V 為參考的接腳會損壞 SoC——請確保任何連接至 B2B 排針的訊號皆為 1.8 V。

電源接腳¶

3.3V —— AE3 的主要電源軌。同一條 3.3 V 電源軌引出至 GPIO 排針的焊接墊、Qwiic 連接器，以及板子背面的 B2B 排針。
1.8V —— 引出至 B2B 排針，僅作為輸出。可用來為 B2B 載板上的 1.8 V 邏輯周邊裝置供電；請勿從板外驅動此接腳。
GND —— 共用接地。

AE3 沒有 VIN 接腳，也沒有 LiPo 充電器。可透過以下三種途徑之一供電：

USB‑C —— 板載穩壓器將 USB 的 5 V 降至 3.3 V，並注入 3.3 V 電源軌。
Qwiic 連接器 —— 將穩壓後的 3.3 V 電源驅動至 Qwiic 排針，即可由 Qwiic 模組為開發板供電。
GPIO 排針 / B2B 3.3 V 焊接墊 —— 將穩壓後的 3.3 V 電源驅動至 I/O 排針或 B2B 連接器上任一 3.3 V 焊接墊。

USB 穩壓器透過 理想二極體 為電源軌供電，因此即使 USB 仍連接，Qwiic / GPIO / B2B 側的外部 3.3 V 電源也能為開發板供電，而不會反向驅動 USB 穩壓器。

小訣竅

請使用電池續航估算器來模擬 AE3 在給定的運作 / 深度睡眠工作週期下，以電池可運行多久。

復原與除錯接腳¶

RESET —— 拉至 GND 以重置開發板。釋放後 SoC 會正常啟動。

板子 正面（相機側）左下角 有一個 復原開關。啟用時會強制 AE3 的 SE UART 經由 USB 輸出，讓 OpenMV IDE 能重新燒錄板載開機載入程式。將 B2B 連接器上的 RECOVERY 接腳拉低，也能遠端觸發相同的復原模式。

AE3 同時支援 SWD 與完整的 JTAG 除錯：

板子側邊的 1.8 V SWD 排針 適用於 Tag-Connect ECV3-06-CTX 排線，引出四條 SWD 訊號（TCK / TMS / TDO / RSTN）外加 GND。
板子背面的 B2B 排針 引出相同的除錯接腳（P10 = TCK、P11 = TDO、P13 = TMS、P14 = TDI），外加系統 RSTN 與獨立的 JTAG RSTN。這些接腳可用於 SWD（TCK + TMS）或完整 JTAG；JTAG RSTN 線僅在完整 JTAG 模式下需要。

所有除錯訊號皆 以 1.8 V 為參考 —— 連接前請確保你的除錯轉接器已設定為 1.8 V 邏輯。

板載周邊裝置¶

LED¶

AE3 有一顆使用者 RGB LED，可透過 machine.LED 以軟體控制:

from machine import LED

LED("LED_RED").on()
LED("LED_GREEN").on()
LED("LED_BLUE").on()

使用者按鈕¶

AE3 有一顆使用者按鈕（SW）:

from machine import Pin

sw = Pin("SW", Pin.IN)
print(sw.value())

若要讓開發板進入深度睡眠並以 SW 喚醒，只需呼叫 machine.deepsleep()——不需要任何喚醒設定，因為按鈕直接接到喚醒輸入:

import machine

machine.deepsleep()   # press SW to wake the board

你也可以將 SW 接成軟性電源開關。在上升邊緣觸發——使用者放開按鈕後線路會穩定在高電位，因此下一次按下必定是明確的喚醒事件:

import machine
from machine import Pin

def power_off(_):
    machine.deepsleep()

Pin("SW", Pin.IN).irq(power_off, Pin.IRQ_RISING)

# ...rest of the application runs here. Press SW once to sleep,
# press it again to wake.

相機感測器¶

PAG7936 透過 csi --- 相機感測器模組驅動:

import csi

cam = csi.CSI()
cam.reset()
cam.pixformat(csi.RGB565)
cam.framesize(csi.HD)         # 1280×800
cam.snapshot(time=2000)       # let auto‑exposure settle

while True:
    img = cam.snapshot()

PAG7936 支援觸發模式——像素積分會與每次 csi.CSI.snapshot 呼叫精確對齊，而非依循自由運行的影格時脈，這對於將擷取與外部事件或另一顆感測器同步很有用。可透過 csi.CSI.ioctl 搭配 csi.IOCTL_SET_TRIGGERED_MODE 啟用。由於讀出不再與下一影格的積分流水線化處理，影格率會降至約自由運行模式的一半:

cam.ioctl(csi.IOCTL_SET_TRIGGERED_MODE, True)

NPU¶

AE3 的兩顆晶片內 NPU（400 MHz / 204 GOPS HP NPU + 160 MHz / 46 GOPS HE NPU）透過 ml --- 機器學習模組存取。儲存在唯讀 /rom 檔案系統上的模型會直接從快閃記憶體載入，無需複製到 RAM，因此即使是大型偵測器也能與即時影格緩衝區一同舒適地運作。在每一影格上執行 YOLOv8 偵測器，並將預測結果繪製在即時影像之上:

import csi
import time
import ml
from ml.postprocessing.ultralytics import YoloV8

# Initialize the sensor.
csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)

# Load YOLO V8 model from ROM FS.
model = ml.Model("/rom/yolov8n_192.tflite", postprocess=YoloV8(threshold=0.4))
print(model)

# Visualization parameters.
n = len(model.labels)
model_class_colors = [
    (int(255 * i // n), int(255 * (n - i - 1) // n), 255)
    for i in range(n)
]

clock = time.clock()
while True:
    clock.tick()
    img = csi0.snapshot()

    # boxes is a list of list per class of ((x, y, w, h), score) tuples
    boxes = model.predict([img])

    # Draw bounding boxes around the detected objects
    for i, class_detections in enumerate(boxes):
        rects = [r for r, score in class_detections]
        labels = [model.labels[i] for j in range(len(rects))]
        colors = [model_class_colors[i] for j in range(len(rects))]
        ml.utils.draw_predictions(img, rects, labels, colors, format=None)

    print(clock.fps(), "fps")

HE 核心¶

AE3 在單一 MCU 中封裝了兩顆 Cortex‑M55 核心：執行主 MicroPython 實例、相機、HP NPU、USB 等的 高效能（HP）核心；以及功耗低得多、自行啟動為一個小型 MicroPython 實例的 高效率（HE）核心。兩顆核心共用 Open-AMP / RPMsg 訊息匯流排，因此 HP 核心可將 Python 函式派發給 HE 核心、取回結果，並讓兩半保持解耦。

最簡單的入門方式是 @openamp.async_remote 裝飾器。它會封送一個 Python 函式、傳送至 HE 核心，HE 核心則將其作為 asyncio 工作執行。註冊工作後，以 HE 韌體的快閃記憶體位址實例化 openamp.RemoteProc，並呼叫 rproc.start() 來啟動第二顆核心。若不設回呼，被裝飾函式的 print() 輸出會透過預設端點轉送至 HP 核心的 stdout——非常適合寫「hello world」:

import time
import openamp

@openamp.async_remote
async def task1(ept):
    import asyncio
    while True:
        print("Hello from the HE core!")
        await asyncio.sleep(1)

# Boot the HE core. This runs the registered tasks.
rproc = openamp.RemoteProc(0x80320000)
rproc.start()

while True:
    print("Hello from the HP core!")
    time.sleep(1)

若要雙向傳訊，請將回呼傳給裝飾器。每當 HE 工作呼叫 ept.send() 時，該回呼便會在 HP 核心上執行:

import time
import openamp

def task_callback(src_addr, data):
    print("HP received:", data.decode())

@openamp.async_remote(task_callback)
async def task1(ept):
    import asyncio
    count = 0
    while True:
        ept.send(f"count = {count}")
        count += 1
        await asyncio.sleep(1)

rproc = openamp.RemoteProc(0x80320000)
rproc.start()

while True:
    time.sleep(1)

HE 核心擁有自己的 HE NPU（160 MHz，46 GOPS），因此可在 HP 核心的 HP NPU 忙於其他工作時，並行執行第二個 ML 模型。一個實用的分工方式是在 HE 側放置一個小型、常駐的觸發 / 分類模型，僅在偵測到有趣的事物時才讓 HP 核心做出反應——使用板載麥克風進行關鍵字辨識就很適合，因為它是連續、低頻寬的，且 HE 核心的功耗比 HP 低得多。凍結的 ml.apps.MicroSpeech 輔助工具開箱即可辨識「Yes」與「No」——對著板載麥克風大聲清楚地說出這些詞即可觸發偵測:

import time
import openamp

def task_callback(src_addr, data):
    print("Heard:", data.decode())

@openamp.async_remote(task_callback)
async def task1(ept):
    from ml.apps import MicroSpeech
    speech = MicroSpeech(gain_db=24)
    while True:
        label, scores = speech.listen(timeout=0, threshold=0.70)
        if label:
            ept.send(label)

rproc = openamp.RemoteProc(0x80320000)
rproc.start()

while True:
    time.sleep(1)

若要更豐富的分工，可在 HP NPU 上執行 BlazeFace，同時讓 HE 核心在背景處理關鍵字辨識——HP 迴圈會將最近聽到的關鍵字疊加在相機影格上:

import csi
import time
import openamp
import ml
from ml.postprocessing.mediapipe import BlazeFace

label = None
label_ticks = 0
LABEL_HOLD_MS = 2000

def task_callback(src_addr, data):
    global label, label_ticks
    label = data.decode()
    label_ticks = time.ticks_ms()

@openamp.async_remote(task_callback)
async def task1(ept):
    from ml.apps import MicroSpeech
    speech = MicroSpeech(gain_db=24)
    while True:
        l, scores = speech.listen(timeout=0, threshold=0.70)
        if l:
            ept.send(l)

# Start the HE core before initializing the camera on the HP core.
rproc = openamp.RemoteProc(0x80320000)
rproc.start()

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)
csi0.window((400, 400))

model = ml.Model("/rom/blazeface_front_128.tflite",
                 postprocess=BlazeFace(threshold=0.4))

clock = time.clock()
while True:
    clock.tick()
    img = csi0.snapshot()
    for r, score, keypoints in model.predict([img]):
        ml.utils.draw_predictions(img, [r], ("face",),
                                  ((0, 0, 255),), format=None)
        ml.utils.draw_keypoints(img, keypoints, color=(255, 0, 0))
    if label is not None:
        if time.ticks_diff(time.ticks_ms(), label_ticks) < LABEL_HOLD_MS:
            img.draw_string((4, 4), f"Heard: {label}",
                            color=(255, 0, 0), scale=2)
        else:
            label = None
    print(clock.fps(), "fps")

HE 核心非常適合處理你不希望與 HP 側相機/NPU 流水線競爭資源的常駐或低速率工作——小型 ML 推論、針對麥克風或 IMU 資料的輕量 DSP，以及類似的背景作業。

需牢記的幾項限制：

從 HE 核心驅動周邊裝置時，請限於麥克風與 IMU——這些正是 HE 側的設計用途。每個周邊裝置同一時間只能由一顆核心擁有，因此請為它挑選 HP 或 HE，並在指令碼的整個生命週期中沿用該選擇。
每個 @openamp.async_remote 工作主體封送後必須小於 500 位元組的 mpy 位元組碼——請讓函式保持精簡，並將較重的邏輯拆分到凍結進韌體的獨立程式庫模組中。
派發函式內部的 import 只能看到 HE 核心檔案系統上存在的模組。HE 核心有自己的 /rom ROMFS——與 HP 核心的 /rom 分開——因此你想在 HE 上使用的模組與 ML 模型,需要烘焙進 HE 側的 ROMFS 映像，而非 HP 側的。

麥克風¶

板載麥克風透過 audio --- 音訊模組擷取。每個緩衝區以帶符號 16 位元 PCM bytearray 的形式抵達，這讓它能輕鬆餵入 ulab/numpy 做快速 DSP。一個簡單的響度偵測器——每當 RMS 音量越過閾值時就印出訊息:

import audio
from ulab import numpy as np

def loudness(pcmbuf):
    samples = np.array(np.frombuffer(pcmbuf, dtype=np.int16), dtype=np.float)
    rms = np.sqrt(np.mean(samples ** 2))
    if rms > 10000:
        print("Loud!", int(rms))

audio.init(channels=1, frequency=16000, gain_db=24)
audio.start_streaming(loudness)

while True:
    pass

IMU¶

板載 LSM6DSM 加速度計 + 陀螺儀透過 imu --- imu 感測器存取:

import imu
import time

while True:
    print(imu.acceleration_mg())   # (x, y, z) in milli‑g
    print(imu.angular_rate_mdps()) # (x, y, z) in milli‑deg/s
    time.sleep_ms(100)

飛時測距感測器¶

AE3 搭載一顆 VL53L8CX 8×8 多區域飛時測距感測器，每影格可回傳多達 64 個距離讀數，最大量測範圍約 4 m。它透過 tof --- 飛時測距感測器驅動程式模組存取——呼叫 tof.init() 啟動感測器，呼叫 tof.read_depth() 以平面化的毫米讀數清單（每區域一個）擷取一個深度影格:

import tof

tof.init()
while True:
    depth, depth_min, depth_max = tof.read_depth()
    print("min:", depth_min, "mm  max:", depth_max, "mm")

深度陣列也可繪製在主感測器的彩色影格之上—— tof.draw_depth() 會將其繪製到既有的 image.Image 上，而 tof.snapshot() 則回傳一張即時算繪的深度影像:

import image
import tof
import csi

# Bring up the VL53L8CX time-of-flight sensor.
tof.init()

# Configure the main camera at VGA RGB565.
cam = csi.CSI()
cam.reset()
cam.pixformat(csi.RGB565)
cam.framesize(csi.VGA)

# Off-screen framebuffer used to compose the camera frame and the
# up-scaled depth heat-map side by side before pushing the result
# back to the live preview.
b = image.Image(640, 480, image.RGB565)

while True:
    # Grab a colour frame from the main camera.
    img = cam.snapshot()

    try:
        # Capture TOF data [depth map, min distance, max distance].
        # vflip / hmirror align the ToF orientation with the camera.
        depth, dmin, dmax = tof.read_depth(vflip=True, hmirror=True)

        # Zones with no return read back as 0.0 — clamp them to the
        # frame's max distance so the colour palette doesn't show
        # them as "closest".
        for i in range(0, len(depth)):
            if depth[i] == 0.0:
                depth[i] = dmax

    except RuntimeError:
        # The sensor occasionally faults on a frame; reset and skip.
        tof.reset()
        continue

    # Draw the camera frame into the left half of the framebuffer,
    # scaled to 60% so it leaves room for the depth heat-map on
    # the right.
    b.draw_image(img, x=0, y=64+8, x_scale=0.6, hint=image.BILINEAR)

    # Up-sample the 8x8 depth array 30x with bicubic smoothing and
    # blend it into the right half using the depth palette.
    # scale=(0, 400) maps 0-400 mm to the full palette range.
    tof.draw_depth(b, depth, x=320+64+16, y=64+8, alpha=255,
                   hint=image.BICUBIC, x_scale=30, y_scale=30,
                   scale=(0, 400), color_palette=image.PALETTE_DEPTH)

    # Copy the composed framebuffer back into the live preview so
    # OpenMV IDE shows both panels.
    img.set(b)

Wi‑Fi¶

板載 CYW43439 透過 network --- 網路設定以站台介面的形式存取。連線後，ipconfig("addr4") 會回傳 (ip, netmask) 配對:

import network, time

wlan = network.WLAN(network.STA_IF)
wlan.active(True)
wlan.connect("ssid", "password")
while not wlan.isconnected():
    time.sleep(1)
print("Wi‑Fi IP:", wlan.ipconfig("addr4")[0])

Bluetooth¶

同一顆 CYW43439 也提供 Bluetooth 5.1。請使用 aioble --- 非同步 BLE 進行對 asyncio 友善的 BLE——例如，以周邊裝置身分廣播並等待中央裝置連線:

import asyncio
import aioble

async def run():
    while True:
        conn = await aioble.advertise(250_000, name="OpenMV-AE3")
        print("Connected:", conn.device)
        await conn.disconnected()

asyncio.run(run())

匯流排參考¶

GPIO¶

使用 machine.Pin 來讀取或驅動任何絲印標示的接腳。輸出為 3.3 V CMOS，每接腳可吸入/輸出最高 25 mA。

from machine import Pin

out = Pin("P0", Pin.OUT)
out.on()
out.off()
out.value(1)

inp = Pin("P1", Pin.IN, Pin.PULL_UP)
print(inp.value())

任何輸入接腳也可在邊緣轉態時觸發中斷:

def handler(pin):
    print("triggered:", pin)

Pin("P1", Pin.IN, Pin.PULL_UP).irq(
    handler, Pin.IRQ_FALLING | Pin.IRQ_RISING,
)

UART¶

匯流排	TX	RX	RTS	CTS
UART1	P4	P5	—	—
UART3	P9	P8	P7	P6
UART4	P0	P1	—	—
UART5	P2	P3	—	—

from machine import UART

uart = UART(1, baudrate=115200)
uart.write("hello")
uart.read(5)

UART3 是唯一具備硬體流量控制的匯流排。由於 P6–P9 位於 B2B 排針上且 以 1.8 V 為參考，UART3 只能透過準位轉換器或 B2B 載板使用——請勿直接連接 3.3 V 邏輯。

I²C¶

匯流排	SCL	SDA
I2C1	P4	P5
I2C2	P0	P1
LPI2C	P3	P2

from machine import I2C

i2c = I2C(1, freq=400_000)
i2c.scan()
i2c.writeto(0x76, b"hi")

板載 Qwiic 連接器以 3.3 V 引出 I2C2。

I2C1 與 I2C2 也可透過 machine.I2CTarget 以目標（從屬）模式使用，將一塊記憶體區域暴露給另一個 I²C 控制器:

from machine import I2CTarget

buf = bytearray(32)
target = I2CTarget(1, addr=0x42, mem=buf)

備註

LPI2C 周邊裝置未在韌體中提供。即使提供，它也只會支援 目標（從屬）模式，而 I2C1 與 I2C2 已涵蓋控制器與目標兩種操作。

SPI¶

匯流排	MOSI	MISO	SCK	CS
SPI0	P0	P1	P2	P3

from machine import SPI
from machine import Pin

spi = SPI(0, baudrate=10_000_000)
cs = Pin("P3", Pin.OUT, value=1)   # CS is not driven by the SPI peripheral

cs.value(0)
spi.write(b"hello")
cs.value(1)

ADC¶

Alif Ensemble E3 在 P8 與 P9（僅 B2B 排針）上提供兩個 12 位元 ADC 通道。兩個輸入皆 以 1.8 V 為參考——read_u16 在接腳處 0–1.8 V 的範圍內回傳 0–65535:

from machine import ADC
import time

adc = ADC("P8")
while True:
    voltage = adc.read_u16() * 1.8 / 65535
    print(voltage)
    time.sleep_ms(100)

警告

AE3 的 ADC 輸入 以 1.8 V 為參考，而非 3.3 V。直接灌入原始 3.3 V 訊號會使轉換器飽和，並可能損壞接腳——請在外部將較高電壓分壓降低。

PWM¶

接腳	計時器 / 通道
P0	TIM0 T1
P1	TIM0 T0
P2	TIM1 T1
P3	TIM1 T0
P4	TIM2 T1
P5	TIM2 T0
P6	TIM9 T0（僅 B2B）
P7	TIM9 T1（僅 B2B）
P8	TIM5 T0（僅 B2B）
P9	TIM5 T1（僅 B2B）

透過 machine.PWM 驅動其中任一個:

from machine import Pin, PWM

pwm = PWM(Pin("P0"), freq=1_000, duty_u16=32768)

軟體位元拍打匯流排¶

若你需要額外的匯流排，machine.SoftI2C 與 machine.SoftSPI 可在任何 GPIO 上運作。

熱感測器（板外）¶

韌體包含 fir --- 熱感測器驅動程式 (fir == far infrared，遠紅外線) 驅動程式，適用於外接的 AMG8833 8 × 8 熱成像器。將模組連接至下方列出的 I²C 匯流排，然後以 fir.init() + fir.snapshot() 讀取影格:

import time
import image
import fir

fir.init()                          # auto‑detects the sensor
clock = time.clock()

while True:
    clock.tick()
    try:
        img = fir.snapshot(x_scale=5, y_scale=5,
                           color_palette=image.PALETTE_IRONBOW,
                           hint=image.BICUBIC,
                           copy_to_fb=True)
    except OSError:
        continue
    print(clock.fps())

fir 驅動程式只能透過 I²C 1 與感測器通訊——請將模組接到 P4（SCL）與 P5（SDA）。

計時¶

time¶

time 模組涵蓋阻塞式延遲、單調節拍，以及經過時間量測:

import time

time.sleep(1)              # seconds
time.sleep_ms(500)
time.sleep_us(10)

start = time.ticks_ms()
# ...do work...
elapsed = time.ticks_diff(time.ticks_ms(), start)

虛擬計時器¶

machine.Timer 可排程週期性或單次回呼，而不佔用硬體計時器插槽。將 -1 作為 id 傳入即可使用虛擬（軟體）計時器:

from machine import Timer

one_shot = Timer(-1)
one_shot.init(period=5_000, mode=Timer.ONE_SHOT,
              callback=lambda t: print("once"))

periodic = Timer(-1)
periodic.init(period=2_000, mode=Timer.PERIODIC,
              callback=lambda t: print("tick"))

週期值的單位為毫秒。呼叫 deinit() 以停止並釋放插槽。

即時時鐘¶

machine.RTC 可在多次重置之間保持實際時鐘時間，由能撐過深度睡眠的 4 KB 晶片內備份 RAM 支援:

from machine import RTC

rtc = RTC()
rtc.datetime((2026, 4, 30, 4, 12, 0, 0, 0))   # Y, M, D, weekday, h, m, s, subsec
print(rtc.datetime())

RTC 在深度睡眠期間也會持續運行，因此你可以將其用作 machine.deepsleep() 的喚醒來源。

開機與執行階段資訊¶

USB 開機載入程式視窗¶

每次上電時，相機會執行一段短暫的開機載入程式（數秒），讓 OpenMV IDE 無需使用者進入 DFU 模式即可更新韌體。視窗逾期後，開機載入程式會交棒給 boot.py，接著是 main.py。

正在執行的指令碼可隨時呼叫 machine.bootloader() 來重新進入開機載入程式:

import machine

machine.bootloader()

檔案系統與開機順序¶

AE3 韌體在開機時最多會掛載兩個檔案系統：

內部快閃記憶體 —— 永遠掛載於 /flash。預設存放 main.py 與 README.txt；於首次開機時建立。
ROMFS —— 唯讀、記憶體映射的檔案系統，位於 /rom，用於搭載受益於零複製存取的大型資料資產（例如 AI 模型）。由 MicroPython 在啟動時、任何使用者 Python 執行之前自動掛載。

掛載後，工作目錄會設為 /flash。直譯器接著從該目錄執行指令碼：

boot.py 會在每次軟重置時執行（冷開機、從 REPL 按 Ctrl‑D，或每當正在執行的指令碼返回時）。
main.py 僅在冷開機時 執行，緊接在 boot.py 之後。後續的軟重置會重新執行 boot.py，但會直接落入 REPL——若要重新執行 main.py，你必須完整重置開發板。

剛燒錄好的開發板上隨附的預設 main.py 只會閃爍使用者 RGB LED 的藍色通道作為心跳（兩次短脈衝、短間隔），讓你不需連接任何主機就能判斷韌體已乾淨地開機。

sys.path 會擴充以納入兩個檔案系統及其 lib/ 子目錄，因此可匯入的模組可存放在 /flash/lib 或 /rom/lib。

透過 USB 連接時，/flash 也會在主機上列舉為一個 USB 大量儲存裝置磁碟，讓你能直接編輯 boot.py、main.py 及其他任何檔案。重置相機前請先退出該磁碟，讓主機刷新其快取的寫入。

備註

由於作業系統將該磁碟視為被動的區塊裝置，OpenMV Cam 上執行的程式所建立或修改的檔案，在主機重新掛載磁碟之前不會顯示。如果作業系統與 OpenMV Cam 同時寫入同一個檔案系統，作業系統會勝出並覆寫相機所做的變更。

備註

當主機正在讀取或寫入 USB 大量儲存磁碟時，使用者 RGB LED 的紅色通道可能會短暫亮起——這是韌體驅動的活動指示燈，並非故障。

儲存空間大小¶

AE3 隨附：

/flash —— 8 MB FAT 檔案系統，可讀寫。
HP 核心上的 /rom —— 24 MB 唯讀記憶體映射 ROMFS，用於 HP 核心在啟動時載入的指令碼與資料。
HE 核心上的 /rom —— 1 MB 由 HE 核心擁有的唯讀 ROMFS。你想提供給 @openamp.async_remote 工作使用的模組與 ML 模型，必須烘焙進此映像，而非 HP 側的。

硬性故障指示燈¶

如果使用者 RGB LED 正快速循環顯示所有色彩——快到看起來像是 閃爍的白色 LED 而非分明的色相——表示韌體遇到了無法復原的硬性故障。請重新燒錄韌體以復原；若重新燒錄無濟於事，開發板可能已實體損壞。

軟體程式庫¶

完整的模組清單——包括哪些是 AE3 版本獨有的——請參閱程式庫索引。