[经验分享] 【DigiKey“智造万物，快乐不停”创意大赛】智能厨房安全报警器|EdgeImpulse上手帖

alanlan86 2024-1-1 21:45 楼主

# 闲话
- 今年的得捷赛各种卷，从微信群的讨论到论坛各种分享，明显比去年的热烈和内卷！不仅各个题目的设计复杂度比去年高，而且各种带壳设计，3D打印等等，各个题目的完整性很强，坐等大佬的作品展示和分享！
- 本着学习的心态“躺着”，也是时候着手学习点新东西——玩耍一下机器学习TinML。碍于个人理论知识有限，底层的设计的东西就碰不了，先用EdgeImpulse来玩一玩功能应用~~~

# TinyML
- 试玩用到EdgeImpulse: https://edgeimpulse.com/
- 先需要注册一个账号，将sensor数据上传到平台上，才可以做impulse的训练
- 训练得到Impulse（模型参数）然后部署到嵌入硬件（MCU）上。

# 硬件
## Raspberry Pi Pico
- Raspberry Pi Pico RP2040（可以选用Follow Me 1期的Pico_W板子，相同的主控且I/O引出，方便进行传感器的连接）
[RP2040上手](https://docs.edgeimpulse.com/docs/run-inference/cpp-library/running-your-impulse-rp2040 "RP2040上手")

## Nano RP2040 Connect
- 选择传感器更加完善的Arduino板子也是很便利。
![](https://cdn.shopifycdn.net/s/files/1/0506/1689/3647/products/ABX00052_01.iso_802x602.jpg?v=1629816097)

# 软件
## 开发环境
- 先将RP2040的C/C++开发环境搭建一下,我选择了WSL，主要图方便！
```bash
sudo apt update
sudo apt install cmake gcc-arm-none-eabi libnewlib-arm-none-eabi build-essential 
```
- 克隆pico-sdk代码仓库
```bash
cd ~/
git clone --recurse-submodules https://github.com/raspberrypi/pico-sdk
export PICO_SDK_PATH="~/pico-sdk"
```

## 代码克隆
- 用到两份代码：A、数据采集，通过USB/UART(COM)将传感器数据通过电脑端上传到EdgeImpulse平台，然后进行模型训练；B、用到独立运行推理模型的代码，即实际应用功能代码。

[传感器数据采集固件](https://github.com/edgeimpulse/firmware-pi-rp2040 "传感器数据采集固件")
[模型推理应用](https://github.com/edgeimpulse/example-standalone-inferencing-pico "模型推理应用")

### 采集&训练
- 关于数采集和训练，这个环节也可以放在在后面做，即先体验一下EdgeImulse的应用流程，前期可以下载平台上现成有的Impulse进行体验。
例如，官方的例子：连续动作识别[Continuous motion recognition](https://docs.edgeimpulse.com/docs/tutorials/end-to-end-tutorials/continuous-motion-recognition "Continuous motion recognition")

#### EdgeImpulse Studio
- 它的使用相对也比较简单，按照左侧的选项页，将每个参数进行配置（训练）一次即可，详细可以在EdgeImpulse的平台上找到视频教程，此处不详细展开步骤。

### 推理&应用
- 克隆推理代码仓库
```bash
git clone https://github.com/edgeimpulse/example-standalone-inferencing-pico
```
- 编译固件
```bash
mkdir build && cd build
cmake ..
make -j4
```
- 将得到的UF2文件，下载到Pico W的开发板子上。即可以通过串口看到推理的结果。

# 调试
- 看到推理的结果输出：

借助EdgeImpulse通过几个简单的步骤，就可以进行简单应用TinyML了，接下来可以发挥不同传感器，不同训练模型的威力，创造自己的创意应用了！