Voor OpenMV firmware v5.0.0 · gebaseerd op MicroPython v1.28 · docs gebouwd 19 juni 2026

Machine vision,
eenvoudig gemaakt.

Live gezichtsdetectie, AprilTag-tracking, QR-scannen en YOLO. Alles op het apparaat zelf in pure MicroPython. Geen hostcomputer, geen cloud.

Snelstartgids API-referentie Zoek uw board
What's new Lees de OpenMV firmware v5.0.0 changelog
1

Open de IDE

Download en installeer OpenMV IDE voor Windows, macOS of Linux en start de IDE.
2

Sluit uw camera aan

Plug the OpenMV Cam into your computer via USB. A blue heartbeat LED blinks when it's ready.
3

Voer uw eerste script uit

Klik op de verbindingsknop (stekker-icoon) in de IDE en druk vervolgens op de groene afspeelpijl om uw eerste script uit te voeren.

Hallo wereld

Voorbeelden
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")

Realtime persoonsdetectie

Het ingebouwde YOLOv8-model is een eenklasse-persoonsdetector — int8-gekwantiseerd en meegeleverd in ROM.

Geladen van /rom/yolov8n_192.tflite — geen SD-kaart of download nodig.
Draait realtime op boards met NPU — de OpenMV N6 en AE3.
Breng uw eigen YOLOv8-model getraind op Roboflow mee en laad het op dezelfde manier.
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")

AprilTags lokaliseren en identificeren

AprilTags zijn 2D-fiduciaire markeringen — robuust tegen bewegingsonscherpte en gedeeltelijke occlusie, en ze geven volledige 3D-positiebepaling.

Ingebouwde detector — geen modelbestand of training nodig.
Retourneert ID plus volledige 6-DoF-positie — x/y/z-translatie en x/y/z-rotatie.
Geschikt voor roboticakalibratie, AR-markeringen en binnenpositiebepaling.
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")

Gezichten detecteren met BlazeFace

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

Geladen van /rom/blazeface_front_128.tflite — vooraf gekwantiseerd, geen download nodig.
Zes knooppunten per gezicht: ogen, neus, mond en oren.
Geen privacyzorgen — beelden verlaten de camera nooit.
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")

QR-codes scannen vanuit een live beeld

De ingebouwde QR-decoder verwerkt gekantelde, vervormde en gedeeltelijk bedekte codes.

Elk resultaat bevat ook versie, ECC-niveau en hoekcoördinaten.
Numerieke, alfanumerieke, binaire en Kanji-gegevensmodi.
Retourneert de gedecodeerde inhoud als een Python-string — direct bruikbaar.
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")

Kleurvlekken vinden

find_blobs retourneert aaneengesloten pixelgebieden die overeenkomen met een of meer LAB-drempelwaarden.

Stel drempelwaarden af op uw verlichting — schakel automatische versterking en automatische witbalans eerst uit.
Geef meerdere drempelwaarden door voor meerkleurige tracking in één aanroep.
pixels_threshold filtert kleine detecties; merge=True voegt overlappende vlekken samen.
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")

1D-barcodes lezen

Vind 1D-barcodes overal in het beeld en decodeer hun inhoud.

Powered by the ZBar library — recognises EAN, UPC, Code 39/93/128, Codabar, ITF, ISBN, and DataBar.
Gebruik een venstersstrook in grijstinten voor de snelste lineaire scan.
Elk resultaat bevat formaat, inhoud, rotatie, hoeken en een begrenzingsrechthoek.
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")

21 handknooppunten volgen

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

Geladen van /rom/hand_landmarks_full_224.tflite — hier zelfstandig uitgevoerd, zonder palmdetectie vooraf.
Retourneert één lijst per hand — index 0 is links, index 1 is rechts.
ml.utils.draw_skeleton tekent alle 21 gewrichten en verbindingen in één aanroep.

Nieuw bij OpenMV?

Begin met de stapsgewijze tutorial — hierin komen hardwareopstelling, de IDE, basisscripts en tips voor uw eerste echte project aan bod.

Kernbibliotheken

API

Hardware, camera’s, beeldverwerking, ndarrays, ML, multitasking, netwerken, webservers en Bluetooth — allemaal vanuit MicroPython.

machine

Low-level hardware: GPIO, SPI, I²C, UART, PWM, ADC en timers.

Verkennen →

csi

Camerabeheer: pixelformaten, beeldformaten, belichting, versterking en witbalans.

Verkennen →

image

Machine vision: vlekken, randen, lijnen, cirkels, kenmerken en tekenen.

Verkennen →

ulab

Numeriek rekenen op het apparaat — ndarrays, FFT’s en lineaire algebra.

Verkennen →

ml

Neurale netwerkinferentie op het apparaat — classificeren, detecteren en segmenteren.

Verkennen →

asyncio

Coöperatieve multitasking — voer camera, netwerk en I/O parallel uit.

Verkennen →

network

Wi-Fi, Ethernet en sockets voor IoT en communicatie op afstand.

Verkennen →

microdot

Minimale HTTP-server — routes, sessies, inloggen, SSE en WebSockets.

Verkennen →

aioble

Asynchrone Bluetooth Low Energy — randapparatuur, adverteren en GATT.

Verkennen →

Bekijk alle bibliotheken →

Verkennen per board

Hardware

Selecteer uw OpenMV Cam om de pinout, specificaties en boardspecifieke snelreferentie te bekijken.

OpenMV N6

OpenMV N6 Nieuw

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

Verkennen →
OpenMV AE3

OpenMV AE3 Nieuw

Alif Ensemble E3 — fusion-class Cortex-M55 met Ethos-U55 NPU.

Verkennen →
OpenMV RT1062

OpenMV RT1062

NXP i.MX RT1062 Cortex-M7 op 600 MHz met 32 MB extern SDRAM.

Verkennen →
OpenMV H7 Plus

OpenMV H7 Plus

STM32H743 met 32 MB extern SDRAM en een 5MP OV5640-sensor.

Verkennen →
OpenMV H7

OpenMV H7

STM32H743 Cortex-M7 met een verwisselbare beeldsensormodule.

Verkennen →
Arduino Nicla Vision

Arduino Nicla Vision

Compact 23 × 23 mm STM32H747-board met ingebouwde sensor.

Verkennen →
Arduino Portenta H7

Arduino Portenta

STM32H747 met 8 MB SDRAM en Vision Shield-ondersteuning.

Verkennen →
Arduino Giga

Arduino Giga

STM32H747 met 8 MB SDRAM, Vision en Display Shield-ondersteuning.

Verkennen →

Bekijk alle ondersteunde boards →

Shields

Add-ons

Add-onboards die op de OpenMV Cam worden aangesloten — netwerken, motorbesturing, beeldschermen en meer.

Gigabit PoE Shield

Gigabit PoE Shield

Gigabit Ethernet met PoE voor streaming met hogere bandbreedte.

Verkennen →
Servo Shield

Servo Shield

Aandrijving van maximaal 4 servo’s met een stroomverbruik van maximaal 5A terwijl de camera gevoed wordt, 6–36V ingang.

Verkennen →
Battery Shield

Battery Shield

1,8–5,5V batterij-ingang via een DC-cilinderconnector.

Verkennen →
Touch LCD Shield

Touch LCD Shield

2,3″ SPI-LCD met capacitief multitouch en Qwiic.

Verkennen →
PoE Shield

PoE Shield

10/100 Ethernet met Power-over-Ethernet.

Verkennen →
PIR Shield

PIR Shield

6µA stand-by bewegingsdetector plus wit en 850 nm infrarood.

Verkennen →
CAN/RS232 Shield

CAN/RS232 Shield

8 Mb/s CAN-FD plus 1 Mb/s RS-232 in één shield.

Verkennen →
RS422/RS485 Shield

RS422/RS485 Shield

10 Mb/s differentiële seriële verbinding voor industriële bussen.

Verkennen →

Bekijk alle shields →

Sensoren

Cameramodules

Cameramodules en sensoradapters die worden aangesloten op de board-to-board-connector — kleur, monochroom, thermisch en op gebeurtenissen gebaseerde beeldverwerking.

PS5520 5MP HDR Camera

PS5520 5MP HDR Camera

5MP HDR-sensor — hoog dynamisch bereik voor moeilijke verlichtingsomstandigheden.

Verkennen →
Multispectral Thermal (PAG7936)

Multispectral Thermal (PAG7936)

1MP global-shutter kleur + FLIR Lepton thermisch op één module.

Verkennen →
Multispectral Thermal (OV5640)

Multispectral Thermal (OV5640)

5MP rolling-shutter kleur + FLIR Lepton thermisch op één module.

Verkennen →
Multispectral Event Camera

Multispectral Event Camera

GENX320-eventsensor + PAG7936-kleur op één module.

Verkennen →
GENX320 Event Camera

GENX320 Event Camera

Prophesee op gebeurtenissen gebaseerde beeldverwerking — microseconde tijdsprecisie.

Verkennen →
FLIR Boson Adapter

FLIR Boson Adapter

Adapter voor FLIR Boson / Boson+ — thermisch met hogere resolutie.

Verkennen →
FLIR Lepton Adapter

FLIR Lepton Adapter

Adapter voor FLIR Lepton 1.x / 2.x / 3.x thermische kernen.

Verkennen →
Global Shutter Camera Module

Global Shutter Camera Module

Monochrome global-shutter-sensor voor het vastleggen van snelle bewegingen.

Verkennen →

Bekijk alle sensoren →

Meer bronnen

MicroPython

OpenMV MicroPython-taal

Taalreferentie, syntaxis en semantiek van de kernruntime.

Verschillen ten opzichte van CPython

Waar MicroPython afwijkt van standaard Python — modules, ingebouwde functies en syntaxis.

OpenMV MicroPython interne werking

Compiler, runtime, native modules en het porten van MicroPython naar nieuwe MCU’s.

Community & links

Extern

OpenMV-startpagina

Producten, toepassingen, downloads en nieuws.

Forums

Communitydiscussie, hulp en projectdeling.

OpenMV op GitHub

Firmware-, IDE- en voorbeeldbronnen — meldingen en pull requests zijn welkom.

MicroPython op GitHub

Upstream MicroPython-firmwarebronnen — waarop OpenMV voortbouwt.