在 CanMV K210 入门和综合项目中，YOLO 口罩识别实验是一个典型的 AI 视觉案例。它不是只验证摄像头能不能显示画面，而是把摄像头采集、模型加载、KPU 推理、结果后处理、类别判断和 LCD 显示串成完整流程。通过这个实验，可以理解 K210 如何在边缘端运行目标检测模型，并把识别结果直接显示到屏幕上。本实验使用 CanMV K210 运行4.9_mask_detection.py。程序加载/sd/detect_5.kmodel口罩识别模型，通过摄像头检测人脸佩戴口罩状态，并在屏幕上绘制检测框和类别文字。检测到佩戴口罩时，画面中显示绿色框和with mask；检测到未佩戴口罩时，画面中显示红色框和without mask。实验重点是理解模型文件、KPU 推理、YOLO 后处理、检测框、类别结果和置信度阈值之间的关系。学习目标说明理解 AI 视觉检测流程认识摄像头采集、模型推理、后处理和结果显示之间的关系掌握 KPU 模型加载使用KPU()创建对象，并通过load_kmodel()加载模型文件理解 YOLO 检测结果认识检测框、类别编号、阈值、NMS 和类别显示的作用学会显示识别结果在 LCD 上绘制人脸框、类别文字和 FPS 信息建立边缘 AI 项目思路为人脸检测、物体识别、门禁提示和智能相机实验打基础这个实验属于教学演示案例，主要用于理解 K210 的模型部署和图像检测流程。实际工程中的口罩佩戴检测还需要考虑模型训练数据、识别准确率、光照条件、摄像头角度、误检漏检和应用场景规范，不能把单个课堂实验直接等同于正式检测系统。文章目录理论基础硬件设施软件代码扩展应用总结理论基础YOLO 口罩识别实验可以理解成“摄像头图像输入 + 神经网络模型推理 + 检测结果显示”的组合。摄像头负责获取实时画面，KPU 负责执行模型推理，YOLO 后处理负责把模型输出转换成检测框和类别结果，LCD 负责把最终结果显示出来。K210 芯片内部带有 KPU 神经网络加速器，适合运行经过适配的kmodel模型。本实验中的/sd/detect_5.kmodel就是需要加载到 KPU 中运行的模型文件。程序启动后，先初始化 LCD 和摄像头，再创建 KPU 对象，加载模型，并通过init_yolo2()设置 anchor、输入尺寸、输出层尺寸、检测阈值、NMS 参数和类别数量。YOLO 检测结果通常包含目标位置和类别信息。当前代码中，l[0]、l[1]、l[2]、l[3]用于绘制检测框，l[4]用于判断类别。当l[4]为真时，程序认为目标属于with mask；否则显示为without mask。代码通过不同颜色区分类别：绿色表示佩戴口罩，红色表示未佩戴口罩。