本文是基于TensorFlow Lite深度学习框架在树莓派主板上应用的分享案例，具体流程包括目标颜色的选取，大概300张照片的标注，4个小时的目标训练，以及最后的测试。最后测试效果不错，不仅对于训练的目标颜色物体识别率很高，且能较准确的识别出非训练物体的颜色。

本文是基于TensorFlow Lite深度学习框架在树莓派主板上应用的分享案例，具体流程包括目标颜色的选取，大概300张照片的标注，4个小时的目标训练，以及最后的测试。最后测试效果不错，不仅对于训练的目标颜色物体识别率很高，且能较准确的识别出非训练物体的颜色。

本文的研究目标是在深入了解颜色识别与追踪相关技术的基础上，设计出了基于OpenCV图像处理的颜色识别方案，基于OpenCV图像处理的颜色识别方案采用高斯滤波、转换HSV空间、形态学处理、掩膜、多边形轮廓拟合等算法完成，颜色识别后的追踪方案为采用PID算法控制二维云台舵机追踪即可（该部分下一篇总结）。整套系统是基于树莓派4B 8G为核心的硬件平台完成。

可能注意到，bit里的K和byte里的K含义不同，一个换算为1000，一个换算为1024。其原因为，数据通讯开始之前就遵从SI单位系而使用1000倍，但由于计算机初期软件和硬件设计上的情况导致K作为1024换算。而两种换算方法都较为普遍，从而导致出现一定的混乱。