【在 Arduino 上使用机器学习】（一）在 Arduino 开发板上安...
【在 Arduino 上使用机器学习】（一）在 Arduino 开发板上安装库及添加测试样本【在 Arduino 上使用机器学习】（二）Tensorflow上构建及训练模型
【在 Arduino 上使用机器学习】（三）在Arduino上使用自定义手势识别模型
机器学习可以让没有嵌入式研发背景的程序员也能使用微控制器
准备材料
[*]一块Arduino Nano 33 BLE Sense 开发板；
[*]一根连接 Arduino 开发板和您的台式电脑的 Micro USB 数据线；
[*] Arduino 网页编辑器或 Arduino IDE。
Arduino Nano 33 BLE Sense 拥有各类板载传感器，可能带来一些酷炫的 Tiny ML 应用：
[*]语音 - 数字麦克风
[*]移动 - 9 轴 IMU（加速度计、陀螺仪、磁力计）
[*]环境 - 温度、湿度和压力
[*]光线 - 亮度、颜色和接近传感器
刚看到Tensor Flow微信公众号的推广时非常感兴趣，第一时间找了DF商城，发现还没有的卖。立马找万能的某宝，果不其然，真有。340大元一个，带header的，比官网33.4美刀的价格贵100，还算能接受。下单了一个，发货很快，没两天就收到了。做工一如既往的精良，非常小巧，就和宣传的一样，只有一片口香糖大小。
最近事情很多，板子放了几天，实在忍不住心痒痒，把手头的事先放一边，开始研究这个新物种。没想到还是非常好上手，前后一天时间就顺利的完成了整个过程。
以下是详细的体验过程。
设置 Arduino IDE
为了将推理模型配置到开发板中，并从开发板中下载后面所需的训练数据，请按照以下步骤设置 Arduino IDE 应用。因为我们将需要在 Arduino IDE 中下载并安装特定开发板和库，本方法采用的步骤比使用 Arduino Create 网页编辑器要多一些。
[*]从 https://arduino.cc/downloads 下载并安装 Arduino IDE
[*]打开安装的 Arduino 应用
[*]在 Arduino IDE 菜单中，依次选择 Tools > Board > Boards Manager…
[*]搜索“Nano BLE”，并点击“Install”
[*]安装过程需要几分钟时间
依次点击库管理器：Tools > Manage Libraries…
[*]搜索并安装 Arduino_TensorFlowLite 库
安装完成
[*]接下来搜索并安装 Arduino_LSM9DS1 库：
安装完成
[*]最后，用 Micro USB 数据线连接开发板和电脑
[*]选择开发板：Tools >Board > Arduino Nano 33 BLE
[*]选择端口：Tools > Port > COMXX (Arduino Nano 33 BLE)。我的端口是54.
TensorFlow Lite for Microcontrollers 示例：语音识别micro_speech
[*]打开示例文件：
[*]选择板子的型号和对应的端口
[*]打开串口监视器
[*]在串口监视器观察识别结果：
体验结果：识别结果不尽如人意。说No的时候识别率比较高，说Yes的时候识别率比较低，需要把Yes拖的时间比较长，而且强调e。这也正如团队所说的“此模型仅使用 256KB RAM，并在本地微控制器上运行，因此不要期待与商业级别“语音助手”相同的准确性。模型没有连接到互联网连接，并且本地可用 RAM 相差了近 2000 倍。"
收集 Arduino 传感器的流数据
我们将使用预制例程 IMU_Capture.ino 执行以下操作：
[*]监控开发板的加速度计和陀螺仪
[*]在检测到开发板的显著线性加速时触发采样窗口
[*]当达到 119Hz 时采样一秒，并通过 USB 输出 CSV 格式的数据
[*]循环，继续监控下个手势
在 Arduino IDE 中使用此例程对开发板进行编程：
[*]下载 IMU_Capture.ino并在 Arduino IDE 中将其打开
[*]对其进行编译，并依次点击 “Sketch” > “Upload”，将其上传到开发板
实时显示 Arduino 开发板的传感器数据日志完成上述步骤后，我们现在可以显示来自开发板的数据。
[*]在 Arduino IDE 中，依次点击 Tools > Serial Plotter，以打开 Serial Plotter
[*]如果返回错误，则表示开发板不可用，请重新选择端口：
[*]Tools > Port > 端口名称 (Arduino Nano 33 BLE)
[*]拿起开发板，练习 “击拳” 和 “弯曲肘部” 的动作
[*]了解采样窗口仅持续一秒，然后等待下一个手势
[*]传感器数据采集的实时图表（参见下方 GIF）
采集手势训练数据 如要将数据采集为 CSV 日志以上传到 TensorFlow，您可以依次点击 Arduino IDE > Tools > Serial Monitor，以查看数据并将其导出到您的台式电脑：
[*]按顶部的白色小按钮，重置开发板
[*]单手拿起开发板（之后再拿起会触发采样）
[*]在 Arduino IDE 中，打开 Serial Monitor ：Tools > Serial Monitor
[*]如果返回错误，则表示开发板不可用，重新选择端口：
[*]Tools > Port > 端口名称 (Arduino Nano 33 BLE)
[*]将开发板拿在手中做一个“击打”手势
[*]确保出拳手势要快，以便触发采集
[*]缓慢恢复到自然姿势，以免再次触发采集
[*]做手势时请务必小心！
[*]重复之前的手势采集步骤 10 次以收集更多数据
[*]从串口控制台 (Serial Console) 中将数据复制粘贴到名为 punch.csv 的新文本文件
[*]清空控制台输出窗口，并重复上述所有步骤，这次做一个“弯曲肘部”手势，将数据粘贴到名为 flex.csv 的文件中
[*]快速做出向内弯曲肘部手势，以便触发采集，每次恢复自然姿势时要缓慢
有时端口会重复出现在列表中，不用管它，不影响使用
上传成功后打开串口监视器，在触发采集前可以看到显示aX, aY, aZ, gX, gY, gZ
触发手势，串口监视器返回多组数据
“击拳”10次，将串口监视器的数据全部选中，复制粘贴到punch.csv文件中。注意最后一行没有数据的不要选，否则会出错（后面会提及）。
复制粘贴后显示如下，此时数据是一个单元格一条数据，没有按aX, aY, aZ, gX, gY, gZ分开
选择data-->Text to Column，将数据按列分割
同样的方法操作曲肘数据也是一样，全选后保存到flex.CSV中，将多余的列删除即可
注意，两个 csv 文件的首行应当包含以下字段：aX、aY、aZ、gX、gY、gZ
每次采集有119条数据，采集10次，每个CSV文件有1190条数据，加上标题行，一共1200行数据。注意要删除空行，并观察CSV记录的条数。如果存在不合格的数据，在后面Tensor Flow数据解析的时候会报错（大坑！）
下一个教程学习在Tensor Flow中训练模型
参考资料：
Tensoflow：在 Arduino 上使用机器学习
Arduino：Get started with machine learning on Arduino
8错的 没想到arduino也能玩出这么高端的应用 请问这个可以用Arduino UNO R3代替吗？
页:
[1]