Per OpenMV firmware v5.0.0 · basato su MicroPython v1.28 · documentazione aggiornata 19 giugno 2026

Machine vision,
resa semplice.

Rilevamento volti in tempo reale, tracciamento AprilTag, scansione QR e YOLO. Tutto sul dispositivo in puro MicroPython. Nessun computer host, nessun cloud.

Guida introduttiva Riferimento API Trova la tua scheda

What's new Leggi il changelog del firmware OpenMV v5.0.0

1

Apri l'IDE

Scarica e installa OpenMV IDE per Windows, macOS o Linux e avvia l'IDE.

2

Collega la cam

Plug the OpenMV Cam into your computer via USB. A blue heartbeat LED blinks when it's ready.

3

Esegui il primo script

Clicca il pulsante di connessione con l'icona a spina nell'IDE, poi premi la freccia verde di avvio per eseguire il primo script.

Hello world

Esempi

Tracciamento persone con YOLOv8Tracciamento AprilTagTracciamento BlazeFaceRilevamento codici QRTracciamento coloreRilevamento codici a barrePunti di riferimento della mano

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

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)
csi0.snapshot(time=2000)  # let AWB/AGC stabilize

# Built-in single-class person detector model.
model = ml.Model("/rom/yolov8n_192.tflite",
                 postprocess=YoloV8(threshold=0.4))
clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    # predict returns a list per class of ((x, y, w, h), score) tuples.
    for class_dets in model.predict([img]):
        for rect, score in class_dets:
            img.draw_rectangle(rect, color=(0, 255, 0))
    print(clock.fps(), "fps")

Tracciamento persone in tempo reale

Il modello YOLOv8 integrato è un rilevatore di persone a singola classe — quantizzato int8 e incluso in ROM.

Caricato da /rom/yolov8n_192.tflite — nessuna scheda SD o download necessario.

Funziona in tempo reale sulle schede con NPU — OpenMV N6 e AE3.

Porta il tuo modello YOLOv8 addestrato su Roboflow e caricalo allo stesso modo.

import csi
import math
import time

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.QVGA)
csi0.snapshot(time=2000)  # let AWB/AGC stabilize
csi0.auto_gain(False)
csi0.auto_whitebal(False)

clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    for tag in img.find_apriltags():
        img.draw_detection(tag, color1=(255, 0, 0), color2=(0, 255, 0))
        deg = math.degrees(tag.rotation)
        print("ID %d  rotation %.1f deg" % (tag.id, deg))
    print(clock.fps(), "fps")

Localizza e identifica gli AprilTag

Gli AprilTag sono marcatori fiduciali 2D — robusti alla sfocatura da movimento e all'occlusione parziale, e forniscono la posa 3D completa.

Rilevatore integrato — nessun file modello o addestramento necessario.

Restituisce l'ID più la posa completa a 6 gradi di libertà — traslazione x/y/z e rotazione x/y/z.

Utile per la calibrazione robotica, i marcatori AR e il posizionamento interno.

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

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)
csi0.window((400, 400))  # square window for best results
csi0.snapshot(time=2000)  # let AWB/AGC stabilize

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

while True:
    clock.tick()
    img = csi0.snapshot()
    for rect, score, keypoints in model.predict([img]):
        img.draw_rectangle(rect, color=(0, 0, 255))
        ml.utils.draw_keypoints(img, keypoints, color=(255, 0, 0))
    print(clock.fps(), "fps")

Rileva volti con BlazeFace

Google's BlazeFace is a lightweight TensorFlow Lite face detector that returns bounding boxes plus six landmarks per face.

Caricato da /rom/blazeface_front_128.tflite — pre-quantizzato, nessun download necessario.

Sei keypoint per volto: occhi, naso, bocca e orecchie.

Nessun problema di privacy — i frame non lasciano mai la fotocamera.

import csi
import time

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.QVGA)
csi0.snapshot(time=2000)  # let AWB/AGC stabilize
csi0.auto_gain(False)

clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    for code in img.find_qrcodes():
        img.draw_rectangle(code.rect, color=(255, 0, 0))
        print(code.payload)
    print(clock.fps(), "fps")

Scansiona codici QR da un feed live

Il decoder QR integrato gestisce codici inclinati, distorsi e parzialmente occlusi.

Ogni risultato espone anche versione, livello ECC e coordinate degli angoli.

Modalità dati numerica, alfanumerica, binaria e Kanji.

Restituisce il payload decodificato come stringa Python — pronto all'uso.

import csi
import time

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.QVGA)
csi0.snapshot(time=2000)  # let AWB/AGC stabilize
csi0.auto_gain(False)
csi0.auto_whitebal(False)

# LAB thresholds: (L_min, L_max, A_min, A_max, B_min, B_max)
thresholds = [
    (30, 100, 15, 127, 15, 127),   # red
    (30, 100, -64, -8, -32, 32),   # green
]

clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    for blob in img.find_blobs(thresholds, pixels_threshold=200):
        img.draw_rectangle(blob.rect, color=(255, 0, 0))
        img.draw_cross((blob.cx, blob.cy))
    print(clock.fps(), "fps")

Trova blob di colore

find_blobs restituisce regioni di pixel connesse che corrispondono a una o più soglie LAB.

Regola le soglie per la tua illuminazione — disabilita prima il guadagno automatico e il bilanciamento del bianco automatico.

Passa più soglie per il tracciamento multicolore in una sola chiamata.

pixels_threshold filtra le piccole rilevazioni; merge=True unisce i blob sovrapposti.

import csi
import time

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.GRAYSCALE)
csi0.framesize(csi.VGA)
csi0.window((640, 80))  # narrow strip for fast linear scanning
csi0.snapshot(time=2000)  # let AWB/AGC stabilize
csi0.auto_gain(False)
csi0.auto_whitebal(False)

clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    for code in img.find_barcodes():
        img.draw_rectangle(code.rect, color=(0, 255, 0))
        print(code.payload, "(quality %d)" % code.quality)
    print(clock.fps(), "fps")

Leggi codici a barre 1D

Trova codici a barre 1D ovunque nel frame e decodifica i loro payload.

Powered by the ZBar library — recognises EAN, UPC, Code 39/93/128, Codabar, ITF, ISBN, and DataBar.

Usa una striscia a finestra in scala di grigi per la scansione lineare più veloce.

Ogni risultato ha formato, payload, rotazione, angoli e un rettangolo di delimitazione.

import csi
import time
import ml
from ml.postprocessing.mediapipe import HandLandmarks

csi0 = csi.CSI()
csi0.reset()
csi0.pixformat(csi.RGB565)
csi0.framesize(csi.VGA)
csi0.window((400, 400))  # square window for the model
csi0.snapshot(time=2000)  # let AWB/AGC stabilize

# Connections between the 21 keypoints — palm + 5 fingers.
hand_lines = ((0, 1), (1, 2), (2, 3), (3, 4), (0, 5), (5, 6),
              (6, 7), (7, 8), (5, 9), (9, 10), (10, 11), (11, 12),
              (9, 13), (13, 14), (14, 15), (15, 16), (13, 17), (17, 18),
              (18, 19), (19, 20), (0, 17))

model = ml.Model("/rom/hand_landmarks_full_224.tflite",
                 postprocess=HandLandmarks(threshold=0.4))
clock = time.clock()

while True:
    clock.tick()
    img = csi0.snapshot()
    # predict returns a list per hand: index 0 = left, index 1 = right.
    for detections in model.predict([img]):
        for rect, score, keypoints in detections:
            ml.utils.draw_skeleton(img, keypoints, hand_lines,
                                   kp_color=(255, 0, 0),
                                   line_color=(0, 255, 0))
    print(clock.fps(), "fps")

Traccia 21 keypoint della mano

Google's MediaPipe Hand Landmarks model places 21 joints on each detected hand — wrist, knuckles, and fingertips.

Caricato da /rom/hand_landmarks_full_224.tflite — eseguito in modo standalone, senza rilevamento del palmo a monte.

Restituisce un elenco per mano — indice 0 è la sinistra, indice 1 è la destra.

ml.utils.draw_skeleton disegna tutti i 21 giunti e le connessioni in una sola chiamata.

Nuovo su OpenMV?

Inizia con il tutorial passo-passo — copre la configurazione hardware, l'IDE, gli script di base e i suggerimenti per il tuo primo progetto reale.

Librerie principali

API

Hardware, fotocamere, elaborazione immagini, ndarray, ML, multitasking, networking, server web e Bluetooth — tutto da MicroPython.

machine

Hardware di basso livello: GPIO, SPI, I²C, UART, PWM, ADC e timer.

Esplora →

csi

Controllo fotocamera: formati pixel, dimensioni frame, esposizione, guadagno e bilanciamento del bianco.

Esplora →

image

Machine vision: blob, bordi, linee, cerchi, feature e disegno.

Esplora →

ulab

Calcolo numerico sul dispositivo — ndarray, FFT e algebra lineare.

Esplora →

ml

Inferenza di reti neurali sul dispositivo — classifica, rileva e segmenta.

Esplora →

asyncio

Multitasking cooperativo — esegui fotocamera, rete e I/O in parallelo.

Esplora →

network

Wi-Fi, Ethernet e socket per IoT e comunicazione remota.

Esplora →

microdot

Server HTTP minimale — route, sessioni, login, SSE e WebSocket.

Esplora →

aioble

Bluetooth Low Energy asincrono — periferiche, advertising e GATT.

Esplora →

Visualizza tutte le librerie →

Esplora per scheda

Hardware

Seleziona la tua OpenMV Cam per vedere la piedinatura, le specifiche e il riferimento rapido specifico della scheda.

OpenMV N6 Nuovo

STM32N6 with built-in NPU — STMicro's first AI-accelerated MCU.

Esplora →

OpenMV AE3 Nuovo

Alif Ensemble E3 — Cortex-M55 classe fusion con NPU Ethos-U55.

Esplora →

OpenMV RT1062

NXP i.MX RT1062 Cortex-M7 a 600 MHz con 32 MB di SDRAM esterna.

Esplora →

OpenMV H7 Plus

STM32H743 con 32 MB di SDRAM esterna e sensore OV5640 da 5MP.

Esplora →

OpenMV H7

STM32H743 Cortex-M7 con modulo sensore immagine rimovibile.

Esplora →

Arduino Nicla Vision

Scheda STM32H747 compatta 23 × 23 mm con sensore integrato.

Esplora →

Arduino Portenta

STM32H747 con 8 MB di SDRAM e supporto Vision Shield.

Esplora →

Arduino Giga

STM32H747 con 8 MB di SDRAM, supporto Vision e Display Shield.

Esplora →

Visualizza tutte le schede supportate →

Shield

Componenti aggiuntivi

Schede aggiuntive che si collegano alla OpenMV Cam — rete, controllo motori, display e altro.

Gigabit PoE Shield

Gigabit Ethernet con PoE per streaming ad alta larghezza di banda.

Esplora →

Servo Shield

Gestisci fino a 4 servomotori che assorbono fino a 5A alimentando la fotocamera, ingresso 6–36V.

Esplora →

Battery Shield

Ingresso batteria 1,8–5,5V tramite jack DC barrel.

Esplora →

Touch LCD Shield

LCD SPI 2,3" con multi-touch capacitivo e Qwiic.

Esplora →

PoE Shield

Ethernet 10/100 con Power-over-Ethernet.

Esplora →

PIR Shield

Trigger di movimento in standby a 6µA con illuminazione bianca e IR a 850 nm.

Esplora →

CAN/RS232 Shield

CAN-FD a 8 Mb/s più RS-232 a 1 Mb/s in uno shield.

Esplora →

RS422/RS485 Shield

Seriale differenziale a 10 Mb/s per bus industriali.

Esplora →

Visualizza tutti gli shield →

Sensori

Moduli fotocamera

Moduli fotocamera e adattatori sensore che si collegano al connettore board-to-board — visione a colori, monocromatica, termica e basata su eventi.

PS5520 5MP HDR Camera

Sensore HDR da 5MP — alta gamma dinamica per condizioni di illuminazione difficili.

Esplora →

Multispectral Thermal (PAG7936)

Colore global-shutter da 1MP + termico FLIR Lepton in un unico modulo.

Esplora →

Multispectral Thermal (OV5640)

Colore rolling-shutter da 5MP + termico FLIR Lepton in un unico modulo.

Esplora →

Multispectral Event Camera

Sensore eventi GENX320 + colore PAG7936 in un unico modulo.

Esplora →

GENX320 Event Camera

Visione a eventi Prophesee — precisione temporale al microsecondo.

Esplora →

FLIR Boson Adapter

Adattatore per FLIR Boson / Boson+ — termico ad alta risoluzione.

Esplora →

FLIR Lepton Adapter

Adattatore per core termici FLIR Lepton 1.x / 2.x / 3.x.

Esplora →

Global Shutter Camera Module

Sensore monocromatico global-shutter per acquisizione di movimenti rapidi.

Esplora →

Visualizza tutti i sensori →

Altre risorse

MicroPython

Linguaggio OpenMV MicroPython

Riferimento del linguaggio, sintassi e semantica del runtime di base.

Differenze rispetto a CPython

Dove MicroPython si discosta da Python standard — moduli, builtin e sintassi.

Elementi interni di OpenMV MicroPython

Compilatore, runtime, moduli nativi e porting di MicroPython su nuovi MCU.

Community & link

Esterno

Homepage di OpenMV

Prodotti, applicazioni, download e notizie.

Forum

Discussioni della community, supporto e condivisione di progetti.

OpenMV su GitHub

Sorgenti del firmware, dell'IDE e degli esempi — segnalazioni e pull request benvenute.

MicroPython su GitHub

Sorgenti upstream del firmware MicroPython — la base su cui OpenMV è costruito.