芯耀
461
上一期我们介绍了使用MPU6500替代MPU6050制作了一个陀螺仪，价格便宜、性能强大。
本期我们就使用这个陀螺仪配合NanoEdge AI软件在STM32F103C8T6中做异常检测，目的是检测并识别到我敲击键盘的数据。
1、NanoEdge AI介绍
NanoEdge AI是意法半导体（ST）推出的一款边缘机器学习工具，专门为STM32系列微控制器设计，主打轻量级、低资源消耗的AI模型部署。它的核心优势在于能在极小的Flash和RAM占用下实现高效的异常检测或分类任务，甚至在M0这类低端芯片上也能流畅运行。
NanoEdge AI最强大的优势，就是对性能要求极低！！而且操作非常的简单。
?2、NanoEdge AI使用
首先在NanoEdge中创建一个新项目，项目类型选择异常检测，异常检测可以随着设备学习正常情况来区分正常情况和异常情况。
项目配置中，修改一下项目名称，将传感器类型选择为三轴加速度计。
芯片选择中，选择我们要使用的芯片，这里我选择STM32F1系列。
在第二个步骤添加我们要训练的信号，上图导入的是这次作为正常数据的，静止状态下的陀螺仪三轴输出数据。
输入完数据之后，将数据保存导入到NanoEdge中，NanoEdge会分析数据。
同样的方式，导入异常情况下的数据，之后就可以开始进行模型训练了。
在训练任务中，新建训练任务，选择需要参与训练的正常数据和异常数据即可开始进行训练。
训练过程中，NanoEdge AI提供了可视化的训练过程，NanoEdge AI会遍历它的模型库，寻找最适合的模型以调节准确率，RAM和Flash大小。
在使用过程中不一定要等待运行结束，我们可以在验证界面选择模型来进行验证。
在验证界面，我们依旧可以通过串口上传数据来实现模型验证。
训练完成后，我们就可以保存我们的模型，保存的模型为.ZIP格式，里面有静态库.a文件还有.h文件。
3、NanoEdge AI模型部署和使用
在STM32CubeIDE中，将.h文件和.a文件添加到工程目录中，这里只需要这两个文件即可。
在路径设置中，添加libneai.a静态库，这里需要额外注意的是，我们的命名成neai（真实的文件名叫做libneai.a）但是在库文件里面叫做neai。
NanoEdge AI总共有三个接口函数，首先是Neai初始化函数，这个在使用前需要初始化，其次是neai学习函数，用于我们使用中进行动态学习。
最后就是neai预测函数，传入我们的数据，得到预测值。
? staticint datanum =?0;??if?(MPU6500_ReadData(&hmpu, &sensor_data) == HAL_OK)? {? ??if?(MPU6500_ConvertData(&hmpu, &sensor_data) == HAL_OK)? ? {? ? ??Data[datanum*3] = sensor_data.accel_x_g;? ? ??Data[datanum*3+1] = sensor_data.accel_y_g;? ? ??Data[datanum*3+2] = sensor_data.accel_z_g;? ? ? datanum++;? ? }? }??if(datanum ==?128)? {? ? datanum =?0;? ? ? neai_anomalydetection_detect(Data, &predictscore);? ? ??if(predictscore<80)? ? ? {? ? ? ? HAL_GPIO_WritePin(LED0_GPIO_Port, LED0_Pin,?1);? ? ? ? HAL_GPIO_WritePin(LED1_GPIO_Port, LED1_Pin,?0);? ? ? }? ? ??else? ? ? {? ? ? ? HAL_GPIO_WritePin(LED0_GPIO_Port, LED0_Pin,?0);? ? ? ? HAL_GPIO_WritePin(LED1_GPIO_Port, LED1_Pin,?1);? ? ? }? }
在定时器中断回调函数中，我们每10ms采集一次数据，当采集满128次（需要和训练的时候保持一致），将其放入预测函数中得到预测值。
之后根据预测值来亮灭对应的LED灯。
有一说一，这两年来，NanoEdge AI的变化挺大的，在我印象中就有三次巨大的改动。这次改动之后，发现模型训练时间比以前花的时间变得好长，将近一个小时了，但是效果还挺不错的。
