平台实验PLATFORM

本节启动设备程序，让学生开始使用完整的实验。学生启动PC主机后需要完成各个模块的测试，以确保各个模块（警报器、摄像头）是正常使用的。之后再完成完整的设备启动程序。

PaddleOCR识别

PaddleOCR是飞桨首次开源文字识别模型套件，目标是打造丰富、领先、实用的文本识别模型/工具库。最新开源的超轻量PP-OCRv3模型大小仅为16.2M。同时支持中英文识别；支持倾斜、竖排等多种方向文字识别；支持GPU、CPU预测；用户既可以通过PaddleHub很便捷的直接使用该超轻量模型，也可以使用PaddleOCR开源套件训练自己的超轻量模型。在本设备中已安装并调试好PaddleOCR。

使用PaddleOCR 库对可以指定图像中的文本进行识别，并将识别出的文本打印出来。使用方法如下ocr.py代码:

from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, show_log=False, use_gpu=True, lang="en")
img_path = 'img.png'
result = ocr.ocr(img_path, cls=True)
for line in result[0]:
    print(line)

形参配置

运行程序，使用argparse可以方便传入和修改参数，提高程序的易用性、灵活性和可维护性。打开主代码抓取异样编码.py。如下图所示，为Pycharm中为抓取异样编码.py配置形参的步骤：鼠标右键后，选择「修改运行配置」。

在配置窗口界面中，形参选项框输入每个警报器和摄像头的编号。具体每个参数输入的数据可以参考以下几节。

同理，在抓取指定编码.py中也需要进行相同的操作。

具体参数详解如下：

1）SERIAL_PORT1～2：表示2个报警器对应的串口号，需要通过调试确定对应串口号。

2）confid_level：识别结果的置信度，过滤因操作台抖动等因素导致识别错误的情况（有大幅度运动画面的置信度偏低），默认为0.9。

3）cap_numb 1～2：摄像头编号，1、2的顺序必须要准确。经过调试后确定。

4）frame_delay：获取画面帧数的延时，例如200代表每200ms获取一张图片，即1秒5张图片。传送带速度过快时可适当减少该延时。默认为200。

5）ip：装有机械臂配置文件虚拟机的IP地址。

6）grab_latency：从触发抓取到实际机械臂抓取动作之间的延迟时间。

远程启动服务器

主要目的是自动化地在远程服务器上启动并执行一个Jupyter Notebook文件。具体来说，它通过SSH连接到远程服务器，然后使用Jupyter Notebook的命令行工具nbconvert来执行指定的.ipynb文件。这个过程不需要用户手动打开浏览器或与Jupyter Notebook服务器进行交互，一切都在后台自动完成，具体内容见zhua.py代码。