续之前edge impulse 训练结果与实际在线不一致问题的改进，效果不好。
-
感谢您之前的回复，按照您的建议，有变化的部分在图像中占比不宜太小，故做了调整，采集时候的代码：
原来的：sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)改为了：sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.VGA)
sensor.set_windowing((100,100))
这样一来，有无胶在视野中变化很大，但是依然不行，请看
是不是不能改dataset_capture_py里面的代码？
为什么dataset_capture_py里默认是QVGA
但是edge impulse生成的ei_classification里就自动变成了QVGA的（240，240）？
-
你的数据集的数量是多少？无胶的照片是什么？
-
神经网络会自动缩放图片然后分类，所以QVGA是没问题的。
-
无胶照片这样的。您的意思是不是ei里面的分辨率最好不要改？？
-
看上去区别很明显的。
先来一个边缘滤波。
https://book.openmv.cc/example/04-Image-Filters/edge-filter.html然后用统计信息，应该可以直接分类出来了，（不用神经网络），就是边缘的像素的数量大于多少来判断。
如果要用神经网络也可以，要不同角度，不同位置，不同数量的采集多张。
另外，如果能靠灯光，来让胶更明显，是非常有用的。
-
举个例子，如果光从侧面照过来，就会出现非常明显的阴影，就可以把有胶和无胶分清。
-
谢谢，光源我早已买好红色、绿色，马上开始推进实验