参考案例¶

Python轻应用提供了丰富的案例及文档供开发者参考，下面是模块部分和功能实现的参考。

I 外设¶

Python轻应用提供了针对部分外设接口的示例程序，以方便开发者参考引用。

1: UART读写¶

代码¶

# coding=utf-8
# This is a sample Python script.
import utime
from driver import UART

print("-------------------uart test--------------------")
print("-----How to test: connect PIN10 and PIN12-------")
uart = UART();
uart.open("serial2")
utime.sleep_ms(1000)
writeBuf  = bytearray([0x41, 0x42, 0x43, 0x44]);
for i in range(10):
    uart.write(writeBuf)
    utime.sleep_ms(1000)
    readBuf = bytearray(4)
    recvSize = uart.read(readBuf)
    utime.sleep_ms(100)
    print(recvSize)
    print(readBuf)
uart.close()

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件

python /data/python/driver/uart.py

2: 延时和时间¶

代码¶

import utime

utime.sleep(1)           # sleep for 1 second 延时1s
utime.sleep_ms(500)      # sleep for 500 milliseconds 延时500ms
utime.sleep_us(10)       # sleep for 10 microseconds 延时10us
start = utime.ticks_ms() # get value of millisecond counter 获取毫秒计数器的值
delta = utime.ticks_diff(utime.ticks_ms(), start) # compute time difference 计算时间差

运行验证¶

将代码存储成文件放到sdcard中执行

python /sdcard/utime.py

3: LED 发光二极管¶

代码¶

# coding=utf-8
# This is a sample Python script.
import utime
from driver import GPIO

print("start led test")
gpio = GPIO()
leds=("led1", "led2", "led3", "led4", "led5")
for i in range(5):
    for led in leds:
        gpio.open(led)
        gpio.write(1)
        utime.sleep_ms(200)
        gpio.write(0)
        utime.sleep_ms(200)
        gpio.write(1)
        utime.sleep_ms(200)
        gpio.close()

print("end led test")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件

python /data/python/driver/led.py

4: 管脚和GPIO¶

代码¶

# coding=utf-8
# This is a sample Python script.
import utime
from driver import GPIO

print("start gpio test")
gpio = GPIO()
gpio.open(35)
gpio.write(1)
gpio.write(0)
value = gpio.read(35)
print(value)
gpio.close()

print("end gpio test")

运行验证¶

将代码存储成文件放到sdcard中执行

python /sdcard/gpio.py

5: PWM脉宽调制¶

代码¶

 # coding=utf-8
 # This is a sample Python script.
 from driver import PWM

 print("-------------------pwm test--------------------")
 pwm = PWM()
 pwm.open("pwm3")
 duty = pwm.getDuty()
 freq = pwm.getFreq()
 print(duty)
 print(freq)
 pwm.setConfig(3250000, 0.5)
 duty = pwm.getDuty()
 freq = pwm.getFreq()
 print(duty)
 print(freq)
 pwm.close()
 print("-------------------pwm end--------------------")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件

python /data/python/driver/pwm.py

6: SPI总线¶

代码¶

# coding=utf-8
# This is a sample Python script.
from driver import SPI

print("-------------------spi test--------------------")
spi = SPI()
spi.open("SPI0")
readBuf = bytearray(3)
writeBuf = bytearray([0x9f])
print(writeBuf)
print(readBuf)
value = spi.sendRecv(writeBuf, readBuf)
print(value)
print(writeBuf)
print(readBuf)
spi.close()
print("-------------------spi test--------------------")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件

python /data/python/driver/spi.py

7: I2C总线¶

代码¶

# coding=utf-8
# This is a sample Python script.
from driver import I2C

print("-------------------i2c test--------------------")
i2c = I2C()
i2c.open("pca9544")
regval = bytearray(1)
regval[0] = 0x5
print(regval)
ret = i2c.write(regval)
print(ret)
i2c.close()
print("-------------------i2c test--------------------")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件

python /data/python/driver/i2c.py

8: ADC 模拟信号转数字信号¶

代码¶

 # coding=utf-8
 # This is a sample Python script.
 from driver import ADC

 print("-------------------start adc test--------------------")
 adc = ADC()
 adc.open("ADC0")
 value = adc.read()
 print(value)
 adc.close()
 print("-------------------end adc test--------------------")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件

python /data/python/driver/adc.py

9: RTC 实时时钟¶

代码¶

 # coding=utf-8
 # This is a sample Python script.
 from driver import RTC

 print("-------------------rtc test--------------------")
 rtc = RTC()
 rtc.open()
 rtc.setTime(21, 3, 19, 18, 25, 8)
 value = rtc.getTime()
 print(value)
 rtc.close()
 print("-------------------rtc test--------------------")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件

python /data/python/driver/rtc.py

II AI/多媒体¶

Python轻应用提供了针对部分AI场景的应用案例，以方便开发者参考引用。开发者下载 AliOS-Things 后就可以按照下面的步骤编译验证了。

需要切换到 dev_3.1.0_haas 分支

git clone https://github.com/alibaba/AliOS-Things.git -b dev_3.1.0_haas

1: 数字识别¶

通过minicv模块，完成数据源的封装处理，图⽚的解码，图⽚数据的格式转换和缩放等功能，最后将处理好的数据喂给ML 模块进⾏推理得到预期结果.

文档¶

<<Python轻应⽤：基于HaaS-AI的数字识别Demo>>

代码¶

from minicv import ML
print("-------------------Welcome HaasAI MicroPython--------------------")

print("-----ml odla demo start-----")
#test data
#"/data/python/resource/odla/test0.png"
#"/data/python/resource/odla/test1.png"
#"/data/python/resource/odla/test2.png"
#"/data/python/resource/odla/test3.png"
#"/data/python/resource/odla/test4.png"
#"/data/python/resource/odla/test5.png"
#"/data/python/resource/odla/test6.png"
#"/data/python/resource/odla/test7.png"
#"/data/python/resource/odla/test8.png"
#"/data/python/resource/odla/test9.png"
ml = ML()
ml.open(ml.ML_ENGINE_ODLA)
ml.setInputData("/data/python/resource/odla/test4.png")
ml.loadNet("default")
ml.predict()
responses_value = bytearray(10)
ml.getPredictResponses(responses_value)
print(responses_value)
ml.unLoadNet()
ml.close()
print("-----ml odla demo end-----")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件

python /data/python/ml/OdlaDemo.py

2: 人脸对比¶

通过minicv模块，完成数据源的封装处理，图⽚的解码，图⽚数据的格式转换和缩放等功能，最后将处理好的数据喂给ML 模块，ML 模块通过Alibaba Cloud SDK引擎和达摩院的视觉开放智能平台进⾏交互，得到预期结果.

文档¶

<<Python轻应⽤：基于HaaS-AI的⼈脸⽐对 Demo>>

代码¶

from minicv import ML
print("-------------------Welcome HaasAI MicroPython--------------------")

print("-----ml ucloud FacebodyComparing demo start-----")
OSS_ACCESS_KEY = "xxxx"
OSS_ACCESS_SECRET = "xxxx"
OSS_ENDPOINT = "xxxx"
OSS_BUCKET = "xxxx"
ML_MYFACE_PATH = "xxxx"

ml = ML()
ml.open(ml.ML_ENGINE_CLOUD)
ml.config(OSS_ACCESS_KEY, OSS_ACCESS_SECRET, OSS_ENDPOINT, OSS_BUCKET, ML_MYFACE_PATH)
ml.setInputData("/data/python/resource/capture.jpg")
ml.loadNet("FacebodyComparing")
ml.predict()
responses_value = bytearray(10)
ml.getPredictResponses(responses_value)
print(responses_value)
ml.unLoadNet()
ml.close()
print("-----ml ucloud FacebodyComparing demo end-----")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件,需要连接wifi

python /data/python/network/ConnectWifi.py wifi_ssid  wifi_password
python /data/python/ml/FacebodyComparingDemo.py

3: 人物动漫化¶

通过minicv 模块，完成数据源的封装处理，图⽚的解码，图⽚数据的格式转换和缩放等功能，最后将处理好的数据喂给ML 模块，ML 模块通过Alibaba Cloud SDK引擎和达摩院的视觉开放智能平台进⾏交互，得到预期结果.

文档¶

<<Python轻应⽤：基于HaaS-AI的⼈物动漫化 Demo>>

代码¶

from minicv import ML
print("-------------------Welcome HaasAI MicroPython--------------------")

print("-----ml ucloud AnimeStyle demo start-----")
OSS_ACCESS_KEY = "xxxx"
OSS_ACCESS_SECRET = "xxxx"
OSS_ENDPOINT = "xxxx"
OSS_BUCKET = "xxxx"

ml = ML()
ml.open(ml.ML_ENGINE_CLOUD)
ml.config(OSS_ACCESS_KEY, OSS_ACCESS_SECRET, OSS_ENDPOINT, OSS_BUCKET, "NULL")
ml.setInputData("/data/python/resource/capture.jpg")
ml.loadNet("AnimeStyle")
ml.predict()
responses_value = bytearray(10)
ml.getPredictResponses(responses_value)
print(responses_value)
ml.unLoadNet()
ml.close()
print("-----ml ucloud AnimeStyle demo end-----")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件,需要连接wifi

python /data/python/network/ConnectWifi.py wifi_ssid  wifi_password
python /data/python/ml/AnimeStyleDemo.py

4: 目标检测¶

通过minicv 模块，完成数据源的封装处理，图⽚的解码，图⽚数据的格式转换和缩放等功能，最后将处理好的数据喂给ML 模块，ML 模块通过Alibaba Cloud SDK引擎和达摩院的视觉开放智能平台进⾏交互，得到预期结果.

文档¶

<<Python轻应⽤：基于HaaS-AI的物体检测Demo>>

代码¶

from minicv import ML
print("-------------------Welcome HaasAI MicroPython--------------------")

print("-----ml ucloud ObjectDet demo start-----")
OSS_ACCESS_KEY = "xxxx"
OSS_ACCESS_SECRET = "xxxx"
OSS_ENDPOINT = "xxxx"
OSS_BUCKET = "xxxx"

ml = ML()
ml.open(ml.ML_ENGINE_CLOUD)
ml.config(OSS_ACCESS_KEY, OSS_ACCESS_SECRET, OSS_ENDPOINT, OSS_BUCKET, "NULL")
ml.setInputData("/data/python/resource/capture.jpg")
ml.loadNet("ObjectDet")
ml.predict()
responses_value = bytearray(10)
ml.getPredictResponses(responses_value)
print(responses_value)
ml.unLoadNet()
ml.close()
print("-----ml ucloud ObjectDet demo end-----")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件,需要连接wifi

python /data/python/network/ConnectWifi.py wifi_ssid  wifi_password
python /data/python/ml/ObjectDetDemo.py

5: 表情识别¶

通过minicv 模块，完成数据源的封装处理，图⽚的解码，图⽚数据的格式转换和缩放等功能，最后将处理好的数据喂给ML 模块，ML 模块通过Alibaba Cloud SDK引擎和达摩院的视觉开放智能平台进⾏交互，得到预期结果.

文档¶

<<Python轻应⽤：基于HaaS-AI的表情识别Demo>>

代码¶

from minicv import ML
print("-------------------Welcome HaasAI MicroPython--------------------")

print("-----ml ucloud RecognizeExpression demo start-----")
OSS_ACCESS_KEY = "xxxx"
OSS_ACCESS_SECRET = "xxxx"
OSS_ENDPOINT = "xxxx"
OSS_BUCKET = "xxxx"

ml = ML()
ml.open(ml.ML_ENGINE_CLOUD)
ml.config(OSS_ACCESS_KEY, OSS_ACCESS_SECRET, OSS_ENDPOINT, OSS_BUCKET, "NULL")
ml.setInputData("/data/python/resource/capture.jpg")
ml.loadNet("RecognizeExpression")
ml.predict()
responses_value = bytearray(10)
ml.getPredictResponses(responses_value)
print(responses_value)
ml.unLoadNet()
ml.close()
print("-----ml ucloud RecognizeExpression demo end-----")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件,需要连接wifi

python /data/python/network/ConnectWifi.py wifi_ssid  wifi_password
python /data/python/ml/RecognizeExpressionDemo.py

6: 文字识别¶

通过minicv 模块，完成数据源的封装处理，图⽚的解码，图⽚数据的格式转换和缩放等功能，最后将处理好的数据喂给ML 模块，ML 模块通过Alibaba Cloud SDK引擎和达摩院的视觉开放智能平台进⾏交互，得到预期结果.

文档¶

<<Python轻应⽤：基于HaaS-AI的文字识别Demo>>

代码¶

from minicv import ML
print("-------------------Welcome HaasAI MicroPython--------------------")

print("-----ml ucloud RecognizeCharacter demo start-----")
OSS_ACCESS_KEY = "xxxx"
OSS_ACCESS_SECRET = "xxxx"
OSS_ENDPOINT = "xxxx"
OSS_BUCKET = "xxxx"

ml = ML()
ml.open(ml.ML_ENGINE_CLOUD)
ml.config(OSS_ACCESS_KEY, OSS_ACCESS_SECRET, OSS_ENDPOINT, OSS_BUCKET, "NULL")
ml.setInputData("/data/python/resource/test.jpg")
ml.loadNet("RecognizeCharacter")
ml.predict()
responses_value = bytearray(10)
ml.getPredictResponses(responses_value)
print(responses_value)
ml.unLoadNet()
ml.close()
print("-----ml ucloud RecognizeCharacter demo end-----")

运行验证¶

将代码存储成文件放到sdcard中执行，或者执行系统中预存储的python文件,需要连接wifi

python /data/python/network/ConnectWifi.py wifi_ssid  wifi_password
python /data/python/ml/RecognizeCharacter.py

III 云端连接/控制¶

Python轻应用提供了同阿里云物联网平台连接和控制的接口，让开发者可以轻松实现数据上云,以及通过云端控制和调用设备端硬件接口和软件服务的能力。为了让开发者更快的上手阿里云物联网平台，在csdn上，我们提供了使用Python轻应用连接物联网平台并控制设备led的详细案例。

<<HaaS100使用Python连接物联网平台并控制设备硬件>>

上述文章中中实现的功能如下:

连接物联网平台

等待云端控制消息，并实现设备控制

文章代码如下:

# -*- coding: UTF-8 -*-
import iot
import utime
# 请替换物联网平台申请到的产品和设备信息,可以参考文章:https://blog.csdn.net/HaaSTech/article/details/114360517
productKey = "a1uTFk4xjko"
productSecret = "xxxxxxx"
deviceName  =    "mpy_001"
deviceSecret  =   "xxxxxxxxxxxxxxx"
# 初始化linkkit sdk
key_info = {
    'region' : 'cn-shanghai' ,
    'productKey': productKey ,
    'deviceName': deviceName ,
    'deviceSecret': deviceSecret ,
    'productSecret': productSecret
}
device = iot.Device(key_info)
# 物联网平台连接成功的回调函数
def on_connect():
    print('linkkit is connected ')
device.on('connect',on_connect)
# 设置props 事件接收函数（本案例是云端控制led事件）
def on_props(request):
    from driver import GPIO
    import ujson
    ON = 0
    OFF = 1
    #服务端返回的json 转换成dict
    payload = ujson.loads(request)
    #获取dict 中的led 状态字段
    stat = payload["LEDSwitch"]
    gpio = GPIO()
    # open 函数支持的参数列表如下：
    # led1;led2;led3;led4;led5
    gpio.open('led1')
    if stat == 1:
        gpio.write(ON)
    else:
        gpio.write(OFF)
    utime.sleep_ms(200)
    gpio.close()
device.on('props',on_props)
# 连接物联网平台
device.connect()
# 触发linkit sdk持续处理server端信息
while(True):
    device.do_yield(200)
# 断开连接
device.close()

修改上述代码中物联网相关key信息,将修改过后的代码保存到sdcard根目录的linkkit_test.py 文件中,机器插入sdcard并重启,运行demo之前确保机器已经联网成功。

联网指令:

python   /data/python/network/ConnectWifi.py  "SSID"  "PassWord"

运行指令:

python /sdcard/linkkit_test.py