项目源自比赛广岛Quest2020：柠檬外观分类使用的图像数据（第1阶段）用广岛县的柠檬形象挑战外观分类
比赛链接：https://signate.jp/competitions/431
根据以下图像数据对柠檬等级进行分类。
有四个等级：0:優良、1:良、2:加工品、3:規格外。
其中：训练集1102张图像，测试集1651张图像
【注意事项】
在本次比赛中，假设获胜者的模型和专有技术将在Raspberry Pi等小型IoT终端上实施。 禁止将TTA（测试时间增加）用于推理。
训练数据使用的深度学习框架为百度的飞桨PaddlePaddle，训练源代码在百度AI Studio实训平台中，链接如下https://aistudio.baidu.com/aistudio/projectdetail/1592283
部署采用百度飞桨轻量级推理部署框架Paddle Lite，测试硬件RK3399，OS：Ubuntu18.04.5 LTS，某厂USB2.0 UVC摄像头
- armLinux 预测库基于Paddle Lite v2.8版本，包含C++(armv8、armv7hf)，Python3.6(armv8)
提供了两种预测接口C++与Python3
环境准备
- C++准备环境：
主要安装OpenCV3.2.0(推荐3.2)与CMake3.10
sudo apt-get update
sudo apt-get install gcc g++ make wget unzip libopencv-dev pkg-config
wget https://www.cmake.org/files/v3.10/cmake-3.10.3.tar.gz
tar -zxvf cmake-3.10.3.tar.gz
cd cmake-3.10.3
./configure
make
sudo make install- Python环境准备：
主要是安装，numpy(1.13.3)，Pillow(8.1.0)，matplotlib(2.1.1)，OpenCV(3.2.0)(推荐3.2)
以上工具版本号仅供参考，非必须对齐。
优先推荐通过pip3 install xxx安装numpy，Pillow，matplotlib，OpenCV。
pip install numpy==1.13.3 pillow==8.1.0 matplotlib==2.1.1 opencv=3.2.0安装matplotlib，OpenCV可能遇到报错，无需慌张，可apt install python3-dev后再次使用pip安装。若依旧不成功可使用apt install python3-matplotlib ， apt install python3-opencv安装。
配置好环境后稍后克隆一份部署Lemon源码，进入cd ./lemon/wheels文件夹后pip3 install paddlelite-2.8rc0-cp36-cp36m-linux_aarch64.whl（根据自己的Python版本选择，提供了Python2.7，3.5，3.6，3.7的包）
此类问题多百度，多参考其他人遇到问题解决的方式。当自己这类问题解决后，也写一篇博客来帮助其他人吧！
跑通Demo
首先克隆一份部署Lemon源码
git clone https://github.com/hang245141253/lemon.gitLemon部署代码结构如下图所示：
部署代码将C++与Python接口代码放入了同一文件中。如果想在Demo的基础上，换新的模型或者改变应用模型的方式，只要替换自己的model.nb或者修改main.cc、lemon.py即可。
如果你已经配置好了对应接口的环境，接下来就可以运行代码了！
- C++运行代码：
cd ./lemon/code进入code文件夹里后，执行sh cmake.sh会生成build文件夹，目标程序在build文件夹。在code目录下继续执行sh run.sh则开始执行部署程序。
- Python运行代码：
cd ./lemon/code进入code文件夹里后，执行python3 lemon.py运行程序。
