企业官网建设流程全解析

基于 Raspberry Pi 的 IoT 图像采集实战：在 IoT-For-Beginners 中使用 PiCamera 捕获水果质检图像

【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners

本篇技术指南以开源课程项目 IoT-For-Beginners 中《从 IoT 设备检测水果质量》一课为背景，完整讲解如何为 Raspberry Pi 安装 Raspberry Pi Camera Module、解决 Raspberry Pi OS Bullseye 下 PiCamera 的兼容性问题，并通过 Python 编写采集程序，将水果图像捕获为 JPEG 二进制数据。读完本文后，你将掌握 MIPI-CSI 相机硬件的接线方法、旧版相机模式（legacy camera mode）的启用命令，以及基于BytesIO的内存图像捕获与落盘流程，为后续调用 Custom Vision 图像分类器打下基础。

硬件准备：Raspberry Pi Camera Module

本节课程为 Raspberry Pi 添加的传感器是官方 Raspberry Pi Camera Module。这颗摄像头专为 Raspberry Pi 设计，通过 Pi 主板上的专用 CSI（Camera Serial Interface）接口连接，而非 USB。

需要特别说明的是，该相机使用的 CSI 协议由 Mobile Industry Processor Interface Alliance（MIPI）联盟定义，称为MIPI-CSI（Camera Serial Interface），是专门用于传输图像的串行接口协议。与温湿度、光照等传感器输出单个数值不同，图像数据量要大得多，因此相机普遍通过 SPI、CSI 这类适合大数据量传输的协议与主控通信。

课程主文档 2-check-fruit-from-device 课程 README 中指出，相机传感器本质上是数字传感器，通常依赖通信库完成图像数据的传输。大多数相机传感器采用光电二极管阵列（Active-Pixel Sensor，最常见的是 CMOS 传感器），镜头将场景光线聚焦到传感器上，数百万个光电二极管把落在各自位置的光记录为像素数据。

相机物理连接：六步完成排线接线

Raspberry Pi 相机通过扁平排线（ribbon cable）连接到主板。以下是课程文档给出的完整连接步骤，全程要求Pi 处于关机状态。

1. 关闭 Raspberry Pi 电源。
2. 将排线接入相机模块：轻轻拉动相机卡座上黑色塑料卡扣使其略微弹出，将排线插入插槽——蓝色一面朝向远离镜头方向，金属引脚朝向镜头方向。排线完全插入后，将黑色卡扣推回原位。官方还提供了演示动画，位于 Raspberry Pi "Getting Started with the Camera module" 文档中。
3. 取下 Grove Base Hat（扩展板），以便腾出操作空间。
4. 将排线穿过 Grove Base Hat 上的相机开孔，注意排线蓝色一面要朝向标记为A0、A1等的模拟端口方向。
5. 将排线插入 Pi 主板的相机端口：再次拉起黑色卡扣，插入排线后推回卡扣。此时排线蓝色一面应朝向 USB 与以太网端口。

6. 重新装回 Grove Base Hat。

接线完成后，相机即通过 CSI 接口与 Raspberry Pi 建立硬件连接，接下来进入软件配置与编程环节。

启用旧版相机模式：适配 Raspberry Pi OS Bullseye

这是本课程文档重点强调的关键兼容性步骤。随着 Raspberry Pi OS Bullseye 的发布，系统自带的相机软件栈发生了变更，导致 Python 库 PiCamera默认无法工作。虽然官方正在开发替代方案 PiCamera2，但截至本文档编写时该库尚不可用。因此，当前可行的方案是：

• 将 Pi 切换到legacy camera mode（旧版相机模式），使 PiCamera 正常工作；
• 相机 CSI 端口默认是被禁用的，而启用旧版相机软件会自动同时启用该端口。

操作步骤如下：

1. 启动 Raspberry Pi 并等待系统完全启动。
2. 启动 VS Code（可直接在 Pi 上运行，也可通过 Remote SSH 扩展远程连接）。
3. 在终端中执行以下两条命令：

sudo raspi-config nonint do_legacy 0 sudo reboot

第一条命令通过raspi-config的非交互式接口（nonint）将 legacy camera 设置切换为启用（参数0），第二条命令重启 Pi 使配置生效。

4. 等待 Pi 重启完成后，重新启动 VS Code，继续后续编程。

编写相机采集程序

安装 PiCamera 库

在终端中为pi用户的家目录创建项目文件夹fruit-quality-detector，并在其中创建app.py文件。然后用 pip 安装 PiCamera Python 库：

pip3 install picamera

导入依赖

在app.py顶部添加如下导入：

import io import time from picamera import PiCamera

• io：用于创建内存二进制缓冲对象BytesIO；
• time：用于在相机启动期间休眠等待；
• PiCamera：PiCamera 库的相机操作类。

初始化相机

在导入语句下方添加相机初始化代码：

camera = PiCamera() camera.resolution = (640, 480) camera.rotation = 0 time.sleep(2)

这段代码逐行解释如下：

• camera = PiCamera()：创建 PiCamera 对象；
• camera.resolution = (640, 480)：将采集分辨率设为 640×480。虽然该相机硬件支持最高3280×2464的分辨率，但本项目后续使用的图像分类器输入尺寸很小（227×227），因此完全没有必要采集并传输更大的图像，640×480 已能提供足够细节且显著降低传输开销；
• camera.rotation = 0：设置图像旋转角度。排线默认从相机底部进入，但若你为了对准待分类物体而旋转了相机（例如将相机倒挂在物体上方），可把该值改为所需旋转度数；
• time.sleep(2)：相机启动需要数秒，此休眠确保初始化完成后再采集。

例如，若把排线悬挂在物体上方、使排线位于相机顶部（即相机倒置），则应设为：

camera.rotation = 180

捕获图像为二进制数据

下面这段代码把相机读取到的 JPEG 数据存入内存对象：

image = io.BytesIO() camera.capture(image, 'jpeg') image.seek(0)

• io.BytesIO()：创建一个内存字节缓冲对象，用于承载二进制数据；
• camera.capture(image, 'jpeg')：将相机当前画面以 JPEG 格式写入该缓冲对象；
• image.seek(0)：BytesIO内部带有一个位置指针（position indicator），记录当前读写位置，capture写入后指针位于数据末尾，seek(0)将指针移回开头，以便后续一次性读取全部数据。

将图像保存到文件

with open('image.jpg', 'wb') as image_file: image_file.write(image.read())

这段代码以二进制写模式（'wb'）打开image.jpg，把BytesIO中的全部数据读出并写入文件。使用with语句可确保文件正确关闭。

💁 提示：PiCamera 也支持直接把文件名传给camera.capture，将图像直接写入文件而不经过BytesIO。此处特意选用BytesIO的原因在于——本节课稍后的环节中，需要把这张图像直接发送给图像分类器，内存缓冲对象便于直接作为请求体传递。

运行验证

将相机对准某个物体并运行代码（python3 app.py）。程序执行后，当前目录下会生成image.jpg。在 VS Code 资源管理器中选中该文件即可预览图像。若图像方向不对，调整camera.rotation = 0的数值后重新拍摄即可。

完整可运行代码与源码对照

把上述代码段拼接起来，即得到完整的采集程序：

import io import time from picamera import PiCamera camera = PiCamera() camera.resolution = (640, 480) camera.rotation = 0 time.sleep(2) image = io.BytesIO() camera.capture(image, 'jpeg') image.seek(0) with open('image.jpg', 'wb') as image_file: image_file.write(image.read())

课程文档明确指出，这段完整代码已收录在本仓库的 code-camera/pi/fruit-quality-detector/app.py 中，与你手动编写的版本逐行一致，可直接作为对照或直接运行。

从图像采集到图像分类的衔接

完成图像采集后，本课的后半部分将图像发送给 Custom Vision 分类器。仓库中的 code-classify/pi/fruit-quality-detector/app.py 展示了完整的演进代码——在采集逻辑不变的基础上追加了：

from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient from msrest.authentication import ApiKeyCredentials

以及从预测 URL 中拆解出endpoint、project_id、iteration_name，再调用predictor.classify_image(project_id, iteration_name, image)完成分类、遍历输出各标签概率的流程。可以看到，BytesIO缓冲对象在此处被image.seek(0)重置指针后直接作为classify_image的输入，这正是上文强调"捕获进内存而非直接写文件"的原因所在。

更详细的云端配置（发布迭代、获取 Prediction URL 与 Prediction-Key）参见课程主文档 4-manufacturing/lessons/2-check-fruit-from-device/README.md，Raspberry Pi / 虚拟设备端分类调用完整步骤见 single-board-computer-classify-image.md。课程还建议：若使用设备相机采集的图像与训练图像差异明显（如分辨率、清晰度、色彩不同），应在 Custom Vision 中用设备拍摄的预测图像重新训练模型，以获得更准确的分类结果。

小结

通过本节课程，你完成了 Raspberry Pi 相机硬件接线、Bullseye 系统下的旧版相机模式启用，以及基于 PiCamera 的图像采集程序编写。整个过程的关键要点包括：CSI 端口默认禁用需通过 legacy camera 设置一并开启；采集分辨率应匹配分类器输入尺寸（227×227），640×480 已足够；使用BytesIO而非直接写文件，是为后续将图像交给云端分类器做准备。至此，"编程相机"环节顺利完成，接下来即可进入将采集图像发送至 Custom Vision 进行水果成熟度分类的实战环节。

【免费下载链接】IoT-For-Beginners12 Weeks, 24 Lessons, IoT for All!项目地址: https://gitcode.com/GitHub_Trending/io/IoT-For-Beginners