基于Arduino的机器学习开发

第一章 基于 Arduino 的机器学习开发

1.1基本介绍

本项目采用的开发板是Arduino Nano 33 ble Sense，模型训练平台为SensiML或者Edge Impulse。对于SensiML，模型部署平台为VS Code和PlatformIO；对于Edge Impulse，模型部署平台为Arduino IDE。

对于SensiML的开发，详细部分可以参考SensiML的开发文档；对于Edge Impulse的开发，详细部分可以参考Edge Impulse的开发文档。

项目以孤立关键词识别为例子，操作系统为Win10，介绍开发过程。

1.2 基于SensiML的模型训练和模型部署

1.2.1注册SensiML账号

按图1-1填写信息，完成账号注册

图1-1

1.2.2 收集训练数据

先下载Data Caputure Lab软件进行采集，然后在DataCapture Lab登录SensiML账号，并New Project创建关键词识别项目，如图1-2所示

图1-2

然后使用手机录音机功能采集录音，每个录音只包含一个关键字的音频（建议关键词发音时长控制在1s内，有序间隔发音），将采集好的音频文件做好标签区分并上传到电脑端，在电脑端将音频文件格式统一转换为.wav格式（可以使用格式工厂软件进行转化）。

接着在Data CaptureLab软件中点击进入项目，在菜单栏File中选择ImportFiles的Wav Files，上传保存并转换好格式的音频文件，如图1-3所示。

图1-3

接着，对音频数据进行标注。先点击Switch Modes按钮，如图1-4所示，然后点击Capture按钮。进入采集界面后，选择界面最右方的File Metadata选项下的按钮“+AddMetadat”，如图1-5所示。进入配置界面，在SegmentLabels选项中添加该项目所需的所有标签，如图1-6所示。

图1-4

图1-5

图1-6

点击Capture Data Lab软件界面左上角的ProjectExplorer，对之前导入的音频文件进行逐个标注。点击音频文件即可进行标注，通过右键选择范围进行标注（通常关键词字数对应相同个数的音波），选择Edit Label添加对应的标签，如图1-7所示。

图1-7

在完成所有音频文件的标注后，平台会将数据和标注上传到SensiML账号云空间。

1.2.3 利用SensiML平台训练模型

首先，进入SensiML平台网站，登录账号，在Home菜单项处可以看到创建的项目，如图1-8所示

图1-8

点击项目最左边的打开按钮，进入项目训练配置部分。在左侧的菜单栏的Data Manager中，可以看到音频数据和标注的内容，如图1-9所示，这里不需要做任何操作。

图1-9

接着进入PrepareData部分，点击按钮“+ CREATE QUERY”，如图1-10所示，配置参数如图1-11所示，点击“Save”按钮，生成训练和测试数据项。

图1-10

图1-11

然后，点击“Build Model”进入模型搭建部分。由于本次实验是关键词识别，所以选择Keyword Spotting模型，点击“SELECT TEMPLATE”，进入配置界面。在配置界面的第二部分Select Pineline中，选择第一项，如图1-12所示；在第三部分Select Parameters中的“Query”选项中选择前面生成的数据集（如“data”），如图1-13所示。

图1-12

图1-13

生成模型后，就自动进入模型参数配置部分，点击最下面的按钮“OPTIMIZE”开始模型训练。（这里使用keySpot模型，理论上可以不修改数据就直接运行，如果要修改，可以点击每一层的图标进入修改配置界面，如图1-14所示）。

图1-14

模型训练后，可以在选择菜单项“Explore Model”查看训练结果，如图1-15所示。

图1-15

最后，点击“Download Model”菜单项下载模型。如图1-16所示:

图1-16

选择“Arduino Nano 3 BLE Sense”开发板，如图1-17所示，右侧为模型的基本信息。

图1-17

下载模型的基本配置如图1-18所示，选择下载lib模型文件，点击按钮“download”下载模型压缩包到本地端。

图1-18

1.2.4 使用VS Code和Platformio进入模型部署

首先，将下载好的模型压缩包解压，解压后的文件结构如图1-19所示：

图1-19

然后，在github将sensiml提供的nano33知识包下载到VS Code。将自己的模型文件中的./knowledgepack/sensiml/inc和./knowledgepack/sensiml/lib下所有文件、以及model.json文件复制到github下载下来的知识包的./lib/sensiml路径下，覆盖掉原有的所有文件，如图1-20所示。

图1-20

将./knowledgepack/knowledgepack_project的文件复制到github下载的知识包的./src路径下，覆盖原有的文件。

修改知识包的sensor_config.h文件。修改部分如图1-21所示:

图1-21

接着，把开发板nano33接入电脑，双击开发板的“reset”按钮进入烧录状态（烧录状态下端口会变），选择PlatformIO编译和上传模型，选择nano33ble_with_tensorflow的upload，如图1-22所示。

图1-22

然后，模型编译烧录成功后，用任意蓝牙调试设备连接开发板（烧录成功后开发板蓝牙名称为“Arduino”），同时在电脑端打开串口通信工具，即可以看到预测的信息和结果。

由于篇幅关系，基于Edge Impulse的模型训练和模型部署部分内容将放到下期介绍，需要的小伙伴请移步公众号目录，关注以获取最新资料~

审核编辑：汤梓红