二哈识图 2 EDU 使用教程 wiki
1. 产品简介
HUSKYLENS 2 EDU(二哈识图 2 EDU版)是一款简单易用、玩法多样的AI视觉传感器,采用6TOPS算力专用AI芯片,预置人脸识别、目标检测、物体分类、姿态识别、实例分割等20余种开机即用的AI模型,同时,用户还可部署自行训练的模型,教会二哈识图识别任意目标物体。EDU版更内置快速模型训练、数据集采集标注、五维模型评估与课堂教学模式,支持在设备上独立完成"采数据→训模型→做评估→再优化"的完整AI实践闭环。板载的UART / I2C端口,可以与主流控制器Arduino、micro:bit、ESP32、Raspberry Pi等开源硬件无缝连接,被广泛应用于创客、AI教育、STEAM教育和交互艺术领域。
2. 技术规格
2.1 技术参数
| 分类 | 项目 | 规格/内容 |
|---|---|---|
| 硬件规格 | 处理器 | Kendryte K230 双核 1.6GHz |
| 算力 | 6 TOPS | |
| 内存 | 1GB LPDDR4 | |
| 存储 | 8GB TF卡 | |
| 屏幕 | 2.4寸 640×480 IPS,全贴合电容触摸 | |
| 摄像头 | 自动对焦 ,GC2093,200万像素,1/2.9",60FPS | |
| 麦克风 | 电容硅麦克风 | |
| 扬声器 | 1W 音腔喇叭 | |
| 其他器件 | 按键 ×1、RGB灯 ×1、补光灯 ×2 | |
| 接口 | Type-C ×1、4Pin Gravity ×1、TF卡槽 ×1 | |
| 尺寸 | 70 × 58 × 19 mm | |
| 重量 | 90g(无包装) | |
| 工作电压 | 3.3V ~ 5V | |
| 功耗 | 1.5W ~ 3W | |
| WiFi网卡 | 2.4GHz WiFi6(插卡式) | |
| 内置模型 | 通用模型 | 人脸识别、物体识别、物体追踪、颜色识别、物体分类、自学习分类、实例分割、手势识别、姿态识别、车牌识别、光学字符识别、巡线、表情识别、注释方向检测、人脸朝向检测、标签识别、二维码识别、条形码识别、跌倒检测、深度检测 |
| EDU独有模型 | 自动驾驶 | |
| 内置应用 | 通用应用 | 相机、实时图传、MCP服务、模型安装 |
| EDU独有应用 | 快速模型训练、数据集采集器、教学模式、自定义模型评估 |
2.2 硬件说明
HUSKYLENS 2 EDU 硬件说明图如下。
3.快速使用
使用配套USB数据线,一端接入设备Type-C接口,另一端连接电脑USB端口或5V电源适配器完成供电,等待HUSKYLENS 2 EDU屏幕亮起,表示供电成功,HUSKYLENS 2 EDU开机。即可通过手指触屏、左右滑动、选择相应功能直接使用。

为获得更稳定的体验和更丰富的功能,建议将系统更新至最新版本。查看当前系统版本以及系统更新教程:固件更新教程,点击跳转
3.1自动对焦摄像头说明
HUSKYLENS 2 EDU 配备了自动对焦摄像头,相比固定焦距摄像头,能够根据拍摄目标的距离自动调整镜头焦距,使画面始终保持清晰。
开机后,摄像头自动设为初始焦距(物距约60cm)。进入任意模型功能后,长按屏幕任意区域(菜单栏除外),屏幕中央会出现对焦方框并开始自动对焦。
对焦完成后,方框内出现锁定图标 🔒,当前焦距会自动保存并同步到其他模型。无操作约5秒后锁定图标自动消失。
焦距自动同步时,系统会根据模型的典型使用场景,区分远距离识别模型和近距离识别模型,并分别同步焦距。例如,在二维码识别模型中完成对焦后,系统只会将当前焦距同步到条形码、标签、文字等同属近距离识别场景的模型中,不会同步到人脸识别等远距离识别模型。这样在切换相同识别距离类型的模型时,无需重复对焦,同时也能避免近距离和远距离识别场景之间相互影响。
注意: 实时图传启动后将禁用对焦功能。
手动调焦: 二哈识图 2 EDU具备手动调焦功能。对焦完成后,在锁定图标显示期间点击对焦方框区域,即可进入手动调焦模式。此时通过上滑屏幕拉远焦距、下滑屏幕拉近焦距,可松开手指反复调节,直到画面达到理想清晰度。再次点击方框区域即可锁定当前焦距。
自动对焦功能对于光学字符识别、二维码识别、条形码识别、小物体目标检测等场景效果尤为出色,能快速精准对焦,使得带目标物体的画面始终清晰,大幅提升模型识别效果。

3.2二哈识图 2 EDU模型与应用使用说明
请根据您的需求,在下方表格中找到对应功能,点击 [查看说明] 即可跳转到详细教程。
| 分类 | 功能 | 教程 |
|---|---|---|
| EDU独有模型 | 自动驾驶 | 查看说明 |
| EDU独有应用 | 快速模型训练 | 查看说明 |
| 数据集采集器 | 查看说明 | |
| 自定义模型评估 | 查看说明 | |
| 教学模式 | 查看说明 | |
| 通用模型 | 人脸识别 | 查看说明 |
| 物体识别 | 查看说明 | |
| 物体追踪 | 查看说明 | |
| 颜色识别 | 查看说明 | |
| 物体分类 | 查看说明 | |
| 自学习分类 | 查看说明 | |
| 实例分割 | 查看说明 | |
| 手势识别 | 查看说明 | |
| 姿态识别 | 查看说明 | |
| 车牌识别 | 查看说明 | |
| 光学字符识别 | 查看说明 | |
| 巡线 | 查看说明 | |
| 表情识别 | 查看说明 | |
| 注视方向检测 | 查看说明 | |
| 人脸朝向检测 | 查看说明 | |
| 跌倒检测 | 查看说明 | |
| 二维码识别 | 查看说明 | |
| 条形码识别 | 查看说明 | |
| 标签识别 | 查看说明 | |
| 深度检测 | 暂无说明 | |
| 通用应用 | 相机 | 查看说明 |
| 实时图传 | 查看说明 | |
| MCP 服务 | 查看说明 | |
| 模型安装 | 查看说明 | |
3.3二哈识图 2 EDU对应主控编程教程
HUSKYLENS 2 EDU 与 HUSKYLENS 2 的通信协议、编程接口保持一致,图形化库通用。因此配合行空板M10、行空板K10、Arduino、掌控板等主控的图形化编程和代码编程教程,请直接参考以下 HUSKYLENS 2 教程。
| 主控板 | Arduino | 行空板K10 | 行空板M10 | 掌控板 |
|---|---|---|---|---|
| 编程语言 | Arduino C 图形化编程 |
Arduino C 图形化编程 |
Python 图形化编程 |
Arduino C 图形化编程 |
| 编程软件 | Arduino IDE Mind+(上传模式) |
Arduino IDE Mind+(上传模式) |
Mind+(Python模式) | Arduino IDE Mind+(上传模式) |
| 使用教程 | 二哈识图2与Arduino代码编程教程(Arduino IDE) 二哈识图2与Arduino图形化编程教程(Mind+上传模式) |
二哈识图2与行空板K10代码编程教程(Arduino IDE) 二哈识图2与行空板K10图形化编程教程(Mind+上传模式) |
二哈识图2与行空板M10代码编程教程(Mind+ Python模式) 二哈识图2与行空板M10图形化编程教程(Mind+ Python模式) |
二哈识图2与掌控板图形化编程教程(暂无) |
4.HUSKYLENS 2 EDU 独有功能说明
4.1 自动驾驶
在自动驾驶模式下,搭载于车体的 HUSKYLENS 2 EDU,可仅依靠摄像头画面推理生成行车控制指令,驱动小车完成自主循迹行驶。
自动驾驶是HUSKYLENS 2 EDU版专属的视觉识别模型,采用端到端算法。不同于依赖多传感器与人工路径规划规则的传统自动驾驶方案,端到端模型将摄像头画面作为直接输入,模型推理输出转速、油门等小车控制指令,让小车仅靠摄像头就能在指定地图上自动行驶。
通过此功能,用户可以直观体验前沿的 人工智能自动驾驶技术,理解"数据驱动"的 人工智能核心思想——模型怎么开,完全由采集的驾驶数据决定。
什么是"端到端无人驾驶"?
传统自动驾驶通常需要多个传感器配合复杂的编程规则才能跑起来。而"端到端无人驾驶"是一种更简单的方式——就像人开车一样,眼睛看到路况,手脚直接反应,中间不需要人工编写转弯、刹车等规则。摄像头画面作为模型输入,模型推理直接输出方向盘转角和油门指令等小车控制指令,一步到位,实现真无人驾驶。
自动驾驶出厂默认使用说明:
HUSKYLENS 2 EDU出厂预装的自动驾驶模型,仅适配 麦昆Plus V3 车体及专用行驶地图.
以下是自动驾驶模型下,小车跑图示例。
注:后续将上线自动驾驶数据采集与模型训练工具,支持用户使用任意车体与任意自定义地图,训练并在二哈识图 2 EDU中部署自己的自动驾驶模型。
4.2 快速模型训练
在快速模型训练功能下,用户可以直接在HUSKYLENS 2 EDU 中完成数据采集、图像分类模型训练与实时推理,无需连接电脑即可体验完整的人工智能实践流程。
通过快速模型训练,用户只需采集不同类别的样本图片,即可训练属于自己的图像分类模型,并通过实时推理验证模型效果,体验从“数据采集→模型训练→模型推理→模型优化”的完整 AI 应用开发过程。
注:快速模型训练主要用于快速体验,训练的模型只能在 HUSKYLENS 2 EDU 本地使用,不支持导出。如需将训练的模型结合行Arduino、行空板等主控运行,请参考的数据集采集器功能和自训练模型部署教程(参见 4.3 节)。
4.2.0 新建快速体验模型项目说明
进入快速模型训练后,点击新建,创建新项目。
4.2.1采集数据
点击新建,进入快速模型训练页面。默认已有标签1。
点击菜单栏中的“设置名字”,可以修改标签的类别名称(如"足球")。
将摄像头对准该类别物体,按下 A 键即可拍照采集,按下A键一次采集一张图片,长按A键,支持连续采集图片。将摄像头对准要采集的该类别物体,从不同角度、不同距离、不同光照条件下多采集一些图片。
点击标签列表-新建标签,同样重复刚刚的操作,设置新标签的名称后对准新类别物体采集对应标签图片。
可以随时点击标签列表,选择标签,切换至该标签,继续补充采集。拍摄完成后仍然支持点击设置名字,进行标签重命名。
4.2.2训练模型
数据集采集完毕后,点击开始训练,弹出确认弹窗,左上角显示所有标签的名称和每类的采集数量,确认无误即可点击‘确认’开始训练。此时屏幕会显示训练进度。
注:开始训练后,不要进行任何触屏操作、不要断电,需等待训练完成。
4.2.3运行模型
训练完成后弹窗提醒是否直接开始推理:确认后默认使用最新训练的模型开始推理,屏幕显示识别结果。
4.2.4 优化模型
在快速模型训练中,完成第一轮"采集数据→训练模型→运行模型"后,如果发现模型识别效果不理想,或者需要增加新的分类类别,无需重新创建项目,HUSKYLENS 2 EDU 支持在本项目已有数据集的基础上,再次训练新版本模型,进行迭代优化模型。
要进行新版本模型的训练,首先要关闭正在运行的模型。点击“运行模型”,关闭开关。关闭推理后,页面自动回到数据采集界面。此时之前采集的所有标签和图片数据均保留,可以继续对已有标签补充采集新图片。

此时,你可以根据自己的需要,选择进行以下操作,优化模型:
- 如果模型对某个类别的识别准确率不高,通常是因为该类别采集的样本图片不够多、角度不够丰富。可以对该类别补充采集图片;
- 如果需要让模型识别更多种类的物体,可以添加新的标签类别:点击标签列表中的"新建标签"。点击"设置名字",为新标签输入类别名称(如"棒球")。 摄像头对准新类别的物体,按下 A 键采集图片。
还可以更改已有标签的名称,进行重命名。如果更改标签名仍需要重新训练。

数据补充完毕后,点击"开始训练",弹出确认弹窗。弹窗中会显示当前所有标签的名称和每类的图片数量,确认无误后点击"确认"开始训练。
训练完成后,系统会自动将本次训练的模型保存为一个新版本。
版本号按照训练先后顺序自动递增:
- 第一次训练:V1
- 第二次训练:V2
- 第三次训练:V3
- ……以此类推
注意: 每次训练都会独立保存为一个完整的模型版本,旧版本不会被覆盖或删除。这意味着你可以随时回退到之前的任意版本进行推理对比。
训练完成后,默认使用最新版本的模型开始推理。

如果希望使用之前的某个版本进行推理,可以手动切换,点击菜单栏的模型版本。在弹出的版本列表中,点击选择想要使用的版本(如 V1、V2、V3)。选择某个版本后,屏幕左上角会显示该版本对应的标签种类和每个种类的图片数量,方便判断该版本训练时的数据集规模,从而对比不同版本模型的效果。
通过切换不同版本进行实际推理对比,可以直观地感受到数据集变化对模型效果的影响。这种"采集→训练→推理→对比→优化"的迭代过程,正是人工智能模型优化的核心方法论。
4.3 数据集采集器
在数据集采集器功能下,用户可以直接在 HUSKYLENS 2 EDU 中快速创建目标检测数据集、图像分类数据集或端到端数据集等数据集采集项目,快速完成数据采集、标注与导出。
导出得到的数据集为标准的 YOLO 格式数据集,可直接导入 Mind+ 2.0 模型训练工具进行增删查改并训练目标检测模型、图像分类模型或端到端模型,训练完成后可将模型部署到 HUSKYLENS 2 、行空板M10中应用,打造自训练模型项目。
注:Mind+ V2 端到端模型训练工具将后续上线
4.3.1目标检测数据集采集
进入数据集采集器功能后,点击新建-目标检测数据集,创建一个目标检测数据集采集项目。
进入目标检测数据集采集项目后,默认已创建标签1。点击菜单栏中的设置名字,可以修改标签的类别名称,可自行修改标签的名称,例如"足球"。
1. 数据标注
将摄像头对准第一类标签的物体,确保画面清晰(如果想要提升画面清晰度,此时可以长按屏幕任意区域使用自动对焦功能)。根据屏幕提示,手指长按屏幕并从左上角到右下角拖动,围绕目标物体画出一个矩形框,确保框出完整的第一类标签物体。画框完成后,目标物体周围会出现蓝色框,表示已成功标记出该类别的物体。
HUSKYLENS 2成功标记出物体后,可以在背景和角度变化不大的情况下,持续自动框出目标。如果发现识别框不准时,需要重新框选。
提示: 画框时尽量让框紧贴物体边缘,避免框入过多背景区域,这样可以提高后续模型训练的效果。
2. 采集图片
标记完成后,按下 A 键,即可采集当前带有标注框的图片:按一次 A 键采集一张图片,长按 A 键则持续连拍。当屏幕上有识别框时按下 A 键,采集的是当前标签类别对应的标注图片。建议从不同角度、不同距离、不同光照条件下对同一类物体多采集一些图片,让数据集更加丰富。
3. 添加新标签类别
点击标签列表中的"新建标签",可以添加第二类标签。点击**"设置名字"**修改新标签的类别名称(如"棒球")。
重复上述"画框标注 → 按下 A 键采集"的操作,完成新类别标签的采集。可以随时点击标签列表切换当前标签,对已有标签继续补充采集。
4. 重新选框
如果对当前画出的标注框不满意,可以点击重新选框,之前的标记框会被取消,此时可以重新画框标注物体进行采集。操作前请先在标签列表中选择对应的标签,再点击重新选框。例如,当前在标签2"棒球"下,点击重新选框即可为棒球重新画框标注。点击重新框选后,已经保存过的图片不会被删除,只是为了增加框的精准性。
5. 保存与退出
所有类别的数据采集完毕后,点击界面左上角的返回箭头,退出当前目标检测数据集项目。退出时系统会自动保存当前采集的数据集。
注意: 保存过程中请勿触屏操作,也不要给 HUSKYLENS 2 断电,以免数据丢失。
如果之前已经创建过一个目标检测数据集采集项目,后续可以在已有项目的基础上继续新增数据——进入该项目后,按上述步骤继续画框采集即可扩充数据集。
6. 项目重命名
在数据集采集器目录下,长按一个已有的数据集项目名称,可弹出键盘为其重新命名,方便管理多个采集项目。例如,长按"det-1"将其重新命名为"sports-det"。
7. 导出数据集
采集完成后,使用 USB 数据线将 HUSKYLENS 2 EDU连接至电脑。在电脑中打开 此电脑\Huskylens\storage\dataset-collector 路径,即可看到采集生成的数据集压缩包。
将该压缩包从 HUSKYLENS 2 的存储目录复制到电脑本地,即可完成数据集的导出。导出的数据集压缩包为标准 YOLO 格式,可直接用于后续的模型训练。
8. 导入 Mind+ 进行模型训练
打开 Mind+ 2.0 版本,点击"模型训练-目标检测"。
点击"上传"按钮,选择从 HUSKYLENS 2 EDU中复制出来的目标检测数据集压缩文件,即可一键导入。
导入后,可以在 Mind+ 模型训练页面查看、删除或补充数据集中的图片,对数据集进行增删查改。
完成数据集的检查与整理后,即可在 Mind+ 中直接使用 HUSKYLENS 2 EDU 采集的数据集训练目标检测模型,训练完成后可将模型部署回 HUSKYLENS 2 或其他硬件上运行。
详细教程请查看:
9. 删除数据集
如果想要删除在HUSKYLENS 2 EDU数据集采集器中的一个已有数据集,首先使用USB数据线连接HUSKYLENS 2 EDU与电脑。等待HUSKYLENS 2 EDU开机后,找到电脑重点\Huskylens\storage\dataset-collector路径,所有已有的数据集都存在此路径下。此时只需要选择想要删除的数据集文件,点击删除,等待删除完成即可。
如下,当我删除\Huskylens\storage\dataset-collector路径下的plant-cls数据集文件,再重新进入数据集采集器后,在HUSKYLENS 2 EDU原有的数据集项目就会消失,表示删除成功。
4.3.2图像分类数据集采集
进入数据集采集器功能后,点击"新建-图像分类数据集",创建一个图像分类数据集采集项目。
提示: 图像分类与目标检测不同,无需画框标注——只需将摄像头对准目标物体,直接按下 A 键即可将整张画面保存为样本图片。模型通过学习整张图片的特征来判断图像所属类别,因此采集时请尽量让目标物体占据画面主体位置,背景尽量保持干净简洁。
进入图像分类数据集采集项目后,默认已创建标签1。点击菜单栏中的"设置名字",可以修改标签的类别名称,自定义第一类标签的名称,例如"仙人掌"。
1. 采集样本图片
将摄像头对准第一类标签的物体,确保画面清晰(此时可以长按屏幕任意区域使用自动对焦功能)。按下 A 键,即可采集当前标签类别对应的样本图片:按一次 A 键采集一张图片,长按 A 键则持续连拍。建议从不同角度、不同距离、不同光照条件下对同一类物体多采集一些图片,让数据集更加丰富。
提示: 图像分类模型依赖整张图片的全局特征进行判别,因此采集时应注意以下几点:
- 主体突出: 确保目标物体占据画面主要区域,而非只占画面一角。
- 背景干净: 尽量在简单、一致的背景下采集,避免杂乱背景干扰模型学习。
- 类间差异明显: 不同类别的物体在视觉上应有明显区分。
- 多样性覆盖: 对每个类别从多角度、多距离、多光照条件拍摄,覆盖物体可能出现的各种外观变化。
2. 添加新标签类别
点击标签列表中的"新建标签",可以添加第二类标签,默认名称为标签2。选择标签2,点击"设置名字"修改新标签的类别名称(如"吊兰")。
重复上述操作——将摄像头对准新类别物体,按下 A 键采集图片,完成新类别标签的采集。可以随时点击标签列表切换当前标签,对已有标签继续补充采集。
3. 保存与退出
所有类别的数据采集完毕后,点击界面左上角的返回箭头,退出当前图像分类数据集项目。退出时系统会自动保存当前采集的数据集,等待数据集生成完成即可。生成完成后,可以在数据集采集器页面找到对应项目。
注: 保存过程中请勿触屏操作,也不要给 HUSKYLENS 2 断电,以免数据丢失。
如果之前已经创建过一个图像分类数据集采集项目,后续可以在已有项目的基础上继续新增数——进入该项目后,按上述步骤继续按 A 键采集即可扩充数据集。
3. 项目重命名
在数据集采集器目录下,长按一个已有的数据集项目名称,可弹出键盘为其重新命名,方便管理多个采集项目。例如,长按"cls-1"将其重新命名为"plant-cls"。
4. 导出数据集
使用 USB 数据线将 HUSKYLENS 2 连接至电脑。在电脑中打开 \Huskylens\storage\dataset-collector 路径,即可看到采集生成的数据集压缩包。
在本地电脑目录下创建一个文件夹用于存放从 HUSKYLENS 2 EDU 导出的数据集,例如,创建的文件夹取名为"plant-cls"。
将**\Huskylens\storage\dataset-collector** 路径下的对应的压缩包从 HUSKYLENS 2 EDU 的存储目录复制到刚刚手动创建的本地"plant-cls"文件夹,并解压。
解压后,手动删除原压缩包,就能得到一个标准的YOLO格式的图像分类数据集文件夹。
5. 导入 Mind+ 进行模型训练
打开 Mind+ 2.0 版本,点击**"模型训练-图像分类"**。
点击 "上传" 按钮,选择刚刚的plant-cls.zip图像分类数据集文件,即可一键导入。
导入后,可以在 Mind+ 模型训练页面查看、删除或补充数据集中的图片,对数据集进行增删查改。
完成数据集的检查与整理后,即可在 Mind+ 中直接使用 HUSKYLENS 2 采集的数据集训练图像分类模型,训练完成后可将模型部署回 HUSKYLENS 2 或其他硬件上运行。
详细教程请查看:
2.Mind+2.0图像分类模型部署至HUSKYLENS 2教程
6. 删除数据集
如果想要删除在HUSKYLENS 2 EDU数据集采集器中的一个已有数据集,首先使用USB数据线连接HUSKYLENS 2 EDU与电脑。等待HUSKYLENS 2 EDU开机后,找到电脑重点\Huskylens\storage\dataset-collector路径,所有已有的数据集都存在此路径下。此时只需要选择想要删除的数据集文件,点击删除,等待删除完成即可。
如下,当我删除\Huskylens\storage\dataset-collector路径下的 sports-det数据集文件,再重新进入数据集采集器后,在HUSKYLENS 2 EDU原有的数据集项目就会消失,表示删除成功。
4.4 自定义模型评估
自定义模型评估应用支持用户对已经部署到 HUSKYLENS 2 EDU 中的自训练模型(包括图像分类模型和目标检测模型)进行自动评估,获得模型性能参考。让用户基于模型评估认识影响模型效果的因素,从而更好的采集数据,训练模型。
进入自定义模型评估后,设备会引导用户对指定类别依次采集干净背景与杂乱背景两段样本视频,随后自动完成五维评估(基础能力、多角度适应、多距离适应、多背景适应、误识别控制),并生成评估报告供学生对比分析。
4.4.1 导入自训练模型
使用自训练模型评估功能的前提是已经有至少一个自训练的模型部署在 HUSKYLENS 2 EDU 中。如果没有自训练模型,则无法进入这个功能,弹窗显示未检测到自训练模型。
为方便体验,我们提供了一个预训练的目标检测样例模型——运动球类检测(可识别足球和棒球),用户可下载并部署到 HUSKYLENS 2 EDU 中使用。

安装自训练模型至 HUSKYLENS 2 请参考教程:点击查看。
📥 下载模型:自训练模型样例.zip。
安装成功后可以在HUSKYLENS 2 EDU中找到此模型。
模型安装成功后,点击进入「自定义模型评估」应用,设备将自动扫描已安装的自训练模型并显示出来。
从列表中选择要进行评估的自训练模型(如"运动球类检测"),进入评估主界面,即可开始评估流程。
4.4.2 采集样本数据
选择模型后,HUSKYLENS 2 EDU将分两步引导用户采集样本数据。采集过程中,请确保环境光线充足、摄像头画面清晰,必要时可长按屏幕使用自动对焦。
第一步:干净背景样本采集
请将某一类标签的物体或物体图片=放置在镜头前,保持背景干净(物体或物体图片为模型训练时对应的标签物体,如"足球")。
将 HUSKYLENS 2 EDU 镜头对准该类别对应的目标物体,确保背景简洁无杂物。按下 A 键,设备开始录制样本视频。录制过程中保持物体在画面中心静止不动,让模型充分检测该物体在各种条件下的表现。录制完成后,自动进入下一步。
第二步:杂乱背景样本采集
保持同一目标物体在画面中,在物体周围添加杂物(如其他物品、书本、文具等),使背景变得复杂。按下 A 键开始录制第二段样本视频。同样建议保持物体在画面中心进行录制,以充分测试模型在复杂环境中的识别稳定性。两段视频均录制完成后,设备自动进入评估阶段。
4.4.3 获取评估结果
样本数据采集完成后,屏幕显示"评估中…",HUSKYLENS 2 EDU 将自动对两段视频进行对比分析,评估模型在五个维度上的表现。
评估完成后,屏幕显示五维评估结果。
| 评估维度 | 评估内容 | 说明 |
|---|---|---|
| 基础能力 | 模型对目标物体的识别率、识别准确率 | 模型识别出标签物体或物体图片的成功率 |
| 多角度适应 | 模型在不同视角下的识别稳定性 | 目标在正方、稍微倾斜和严重倾斜等多个角度,评估模型能否稳定识别目标物体 |
| 多距离适应 | 模型在远近不同距离下的识别表现 | 评估物体靠近或远离镜头时,模型能否持续保持检测 |
| 多背景适应 | 模型在复杂背景下的抗干扰能力 | 对比干净背景与杂乱背景下的识别差异,衡量模型对背景变化的鲁棒性 |
| 误识别控制 | 模型对非目标物体的误判情况 | 评估杂乱背景中是否会将目标物体识别错误 |
说明: 五维评估旨在帮助学生直观理解影响模型性能的关键因素——角度、距离、背景复杂度以及误识别率,从而引导学生思考如何通过优化数据集来提升模型效果。例如,如果"多背景适应"评分较低,说明训练数据中背景多样性不足,需要补充不同背景下的样本图片重新训练。
评估结果页面会自动截图保存至设备"\Huskylens\storage\screenshot"中,可以后续查看与对比。用户可以通过切换不同模型或同一模型的不同版本,重复上述评估流程,对比各版本的评估结果,直观感受数据集变化对模型性能的影响。
注意: 同一模型不同的标签类别得到的五维评估结果可能不一致——这是因为各类别的训练样本数量、样本多样性以及物体本身的视觉特征存在差异,属于正常现象。哪一类得分低,说明该类别的数据集质量有提升空间,可针对性补充样本图片。
4.4.4 退出模型评估
点击左上角返回箭头,可以返回模型评估页面。此时点击"退出模型评估",即可退出模型评估页面。
4.5 教学模式
教学模式用于限制 HUSKYLENS 2 EDU 可访问的模型范围。在教学模式下,教师可以通过配置工具预先选择需要开放的模型,学生拿到设备后只能使用教师指定的模型功能,避免在课堂上误操作或分心,适用于课堂教学、实验课程或公开演示等场景。
教师通过 HUSKYLENS 2 EDU 教学模式配置工具勾选需要开放的模型,生成专属教学模式配置二维码。使用 HUSKYLENS 2 EDU 扫描二维码后,自动进入教学模式,仅显示教师指定的功能。课程结束后,教师可再次扫码或手动输入密码关闭教学模式,恢复全部功能。
1.认识教学模式配置工具
下载 HUSKYLENS 2 EDU 教学模式配置工具,解压后,双击打开,页面主要功能如下:
| 功能区域 | 说明 |
|---|---|
| 选择模型 | 勾选需要在 HUSKYLENS 2 EDU 中显示的模型与应用,未勾选的功能将在设备中隐藏 |
| 开启教学模式 | 点击后生成"开启教学模式"二维码,扫码即可进入教学模式 |
| 关闭教学模式 | 点击后生成"关闭教学模式"二维码,扫码即可退出教学模式 |
| 设置密码 | 可为教学模式设置密码,防止学生未经授权自行关闭教学模式 |
2.勾选模型并启动教学模式:
开启教学模式前,首先应在配置工具中勾选本次课程需要开放的模型,未勾选的模型将在设备中隐藏。扫码开启教学模式后,设备仅显示教师指定的功能,其余模型不对外开放。
如需开放自训练模型,在输入框中填入对应模型 ID即可(按照自训练模型的安装顺序,第一个安装的自训练模型 ID 为 128,第二个为 129,以此类推)。
如下图,勾选"人脸识别"、"颜色识别"、"实例分割"三个内置模型——扫码后设备将仅显示这三个模型,其余功能自动隐藏。如果有自训练模型需要开放,可输入其模型 ID(如"128");没有自训练模型可直接留空。
勾选「开启教学模式」,点击生成二维码,右侧将生成对应的教学模式配置二维码。
教师可将此二维码保存并下发至班级内学生或投影展示,学生用各自的 HUSKYLENS 2 EDU 自行扫码即可完成配置,无需教师逐一操作每台设备。 保存下来的二维码支持复用,多个班级或多个设备可共用同一二维码。
在 HUSKYLENS 2 EDU 中进入「教学模式」应用,点击「更新配置」,扫描教学模式配置工具生成的二维码。(此时支持长摁屏幕触发自动对焦来提升二维码识别效果)
扫描成功后,设备自动开启教学模式并加载配置,仅显示教师指定的三个模型,其余功能全部隐藏——学生只能使用课程相关的 AI 功能,杜绝课堂分心。
3.关闭教学模式:
扫码关闭: 如果要关闭教学模式,教师在配置工具中无需勾选任何模型,仅点击「关闭教学模式」,点击生成关闭二维码。
同样的,教师可将关闭教学模式二维码保存并下发至班级内学生,学生用各自的 HUSKYLENS 2 EDU 自行扫码,关闭教学模式
在 HUSKYLENS 2 EDU 中进入「教学模式」应用,点击「更新配置」,扫描生成的关闭教学二维码。
当配置更新后,教学模式会自动退出,回到原页面显示全部模型与应用。
3. 通过密码手动开启或关闭教学模式
除扫码配置外,还可以设置密码,直接在设备上手动开启或关闭教学模式。
注意: 首次开启教学模式,建议先通过配置工具勾选模型并生成二维码,再由设备扫码获取应开放的模型列表。扫码成功开启后,该教学配置信息会自动保存在设备中。之后如需再次开启,可直接在设备上手动输入密码,恢复上次的配置,无需重新扫码。
查看默认密码: 首次使用密码手动开启或关闭教学模式时,需要输入默认密码。首先在配置工具页面查看教学模式默认密码。
手动开启/关闭: 在设备中进入教学模式页面,开启开关并输入默认密码即可开启教学模式。关闭开关,并输入默认密码即可关闭教学模式。
更改密码: 可以通过教学模式配置工具自定义教学模式密码。在教学模式配置工具中点击「使用新密码」,输入旧密码(默认密码或上一次用户设置的密码)和新密码后生成二维码。

在配置工具中点击「使用新密码」,输入旧密码(默认密码或此前用户自行设置的密码)和新密码后生成二维码;再在设备中扫码更新配置,即可完成密码修改。更改新密码后,手动开启或关闭教学模式时输入新密码即可。
5. 固件更新
为获得更稳定的体验和更丰富的功能,建议将系统更新至最新版本。
HUSKYLEN 2 与HUSKYLENS 2 EDU 版固件更新方式完全一致。如果更新固件,请阅读以下教程下载对应最新版本的固件,完成固件烧录:固件烧录教程,点击查看