【瑞萨AI挑战赛-FPB-RA6E2】从STM32到瑞萨RA6E2：边缘AI入门体验报告

【瑞萨AI挑战赛-FPB-RA6E2】从STM32到瑞萨RA6E2：边缘AI入门体验报告

摘要

作为一名有51单片机和STM32开发经验的学生，这是我第一次接触瑞萨（Renesas）的RA系列MCU。本次评测的主角是FPB-RA6E2快速原型板，配合瑞萨独特的Reality AI工具链，能够将复杂的非视觉传感器信号转化为精准的AI模型。本报告将从开箱、环境搭建、基础实验到AI模型部署，完整记录我的入门体验（ 其实就是看大佬的文章过一遍 ）。

一、开箱与硬件初识

1.1 开发板概述

FPB-RA6E2是瑞萨电子推出的一款基于RA6E2 MCU组的快速原型开发板，专为快速原型设计而生。拿到开发板的第一印象是：做工精良，布局清晰，接口丰富。

1.2 核心硬件参数

主控芯片：R7FA6E2BB3CFM

• 内核：200MHz ARM Cortex-M33（带TrustZone安全功能）

• 闪存：256KB代码闪存 + 4KB数据闪存

• SRAM：40KB

• 封装：64引脚LQFP

外设接口：

• USB 2.0全速设备接口

• CAN FD、I3C、HDMI CEC、SSI、Quad SPI

• 12位ADC/DAC

• 通用PWM定时器

• 两个Digilent Pmod™连接器

• Arduino Uno R3兼容接口

板载资源：

• 板载J-Link调试器（无需额外调试工具）

• 2个用户LED（绿色）

• 1个用户按键 + 1个复位按键

• 电源LED和调试LED

• MCU电流测量点

1.3 第一印象

相比STM32的开发板，FPB-RA6E2的板载调试器集成度很高，一根USB线即可完成供电、调试和串口通信，省去了外接ST-Link的麻烦（ 真的很好，不用花额外的钱，并且到手即开发 ）。板子尺寸小巧，通孔设计让访问所有MCU引脚变得非常方便。

二、开发环境搭建

2.1 软件准备

瑞萨的开发环境主要由以下几个部分组成：

（1）e² studio IDE

这是瑞萨官方推出的基于Eclipse的集成开发环境，集成了FSP（Flexible Software Package）软件包。

下载地址： https://www.renesas.cn/zh/software-tool/e2studio

（2）RA Smart Configurator（RASC）

图形化配置工具，用于配置MCU的引脚、时钟、外设等，类似于STM32CubeMX。

下载地址： https://www.renesas.cn/zh/software-tool/ra-smart-configurator

（3）FSP软件包

包含了HAL库、RTOS、中间件等，是开发的核心依赖。

2.2 安装过程

安装过程整体比较顺利，但有几个需要注意的地方：

（1）e² studio安装包较大（约1.6GB），下载需要一定时间。

（2）安装时建议选择完整安装，包含所有FSP版本，因为不同编译器版本可能会导致编译报错。

（3）安装过程中可能会遇到系统底层驱动的安全提示，全部允许即可。

（4）首次启动e² studio时， 建议以管理员身份运行 ，因为后续数据采集时需要写入C盘User文件夹。

2.3 与STM32开发环境对比

对比项	STM32 (CubeIDE)	瑞萨RA (e² studio)
安装包大小	约500MB	约1.6GB
配置工具	CubeMX	RASC
库类型	HAL/LL库	FSP HAL库
学习曲线	平缓	稍陡
社区资源	丰富	较少

三、基础实验：LED点灯

3.1 创建工程

使用RASC创建工程的步骤：

（1）打开RASC，选择"File"→"New"→"Renesas C/C++ Project"→"Renesas RA"

（2）选择项目模板为"Renesas RA FSP Solution"

（3）输入项目名称，选择开发板型号为"FPB-RA6E2"

（4）工具链选择"GNU ARM Embedded"

（5）TrustZone类型选择"Flat (Non-TrustZone) Project"

（6）RTOS选择"No RTOS"

（7）模板选择"Blinky"（LED闪烁模板）

3.2 引脚配置

在RASC的引脚配置界面，可以看到可视化的引脚图。FPB-RA6E2的两个用户LED分别连接到P206和P207引脚。选中引脚后，右键可以定义引脚属性为"Output"模式。

3.3 代码生成与编译

点击"Generate Project Content"按钮生成项目代码，然后用e² studio打开工程。编译过程比较顺利，没有遇到报错。编译速度感觉比STM32CubeIDE稍慢一些。

3.4 程序下载与验证

（1）用USB线连接开发板到电脑

（2）在e² studio中配置调试器为J-Link

（3）点击"Debug"按钮，程序自动下载并运行

（4）观察到底板上的两个绿色LED开始闪烁

3.5 代码分析

瑞萨的HAL库代码结构清晰，主要函数包括：

• R_IOPORT_Open()：初始化IO端口

• R_IOPORT_PinWrite()：设置引脚电平

与STM32 HAL相比，瑞萨的API命名更加统一，但参数传递方式略有不同，需要适应一下。

四、Reality AI工具使用体验

4.1 Reality AI简介

Reality AI是瑞萨开发的工具链，专门用于在MCU上部署TinyML/Edge AI模型。它的特点是：

• 基于高级信号处理生成AI模型

• 支持振动、声音、电流等非视觉传感器信号

• 从数据采集到模型部署的全流程自动化

4.2 账号申请

Reality AI工具需要申请试用账号，通过公司或高校邮箱可以向瑞萨官方申请。审核通过后会收到账号信息。本次挑战赛的福利也是能轻松获得账号。

登录地址： https://portal.reality.ai/login

4.3 数据采集

（1）在e² studio中配置Reality AI账号和API密钥

（2）打开传感器数据采集工具，选择项目、串口和开发板

（3）连接成功后，开启调试模式进行数据采集

（4）采集的数据以CSV格式保存，可以编辑metadata.csv设置采样率

4.4 模型训练

（1）在Reality AI平台创建新项目，选择内核为M33

（2）上传采集到的CSV数据文件

（3）进行数据格式化和分类

（4）创建数据集合和数据范围

（5）启动自动训练，平台会自动选择最优算法（SVM或CNN）

（6）训练完成后，可以下载C语言模型部署文件

4.5 模型部署

（1）将下载的模型文件解压到项目指定目录

（2）修改项目中的宏定义，启用AI模型

（3）重新编译并下载程序

（4）使用J-Link RTT Viewer查看运行状态

4.6 体验感受

Reality AI的最大优势是"傻瓜式"操作，不需要深入了解AI算法，只需要准备好数据，平台会自动完成特征提取、模型选择和训练。对于嵌入式工程师来说，这大大降低了AI应用的门槛。

但也有一些需要注意的地方：

• 数据质量直接影响模型效果，需要采集足够多的样本

• 不同场景下的数据分布需要平衡，避免过拟合

• 模型在板上的实际运行效果需要验证和调优

五、与STM32的对比体验

5.1 开发体验对比

作为从STM32迁移过来的开发者，我的感受是：

（1）学习曲线：瑞萨RA系列的学习曲线比STM32稍陡，主要原因是社区资源相对较少，遇到问题需要更多查阅官方文档。（这个是我认为瑞萨MCU现在最大的问题，和许多厂商一样，社区的资源很少，第一次开发时，对于新手还是有相当的难度的，基本上我只能跟着大佬的文章去尝试）

（2）配置工具：RASC和CubeMX功能类似，但RASC的界面更加简洁，配置项更加精细。

（3）HAL库：瑞萨的HAL库设计合理，API命名规范，但和STM32的HAL库有一些差异，需要时间适应。

（4）引脚命名：瑞萨的引脚命名方式（如P206）和STM32（如PA0）不同，刚开始会有些不习惯。

5.2 性能对比

参数	STM32F103	RA6E2
内核	Cortex-M3 (72MHz)	Cortex-M33 (200MHz)
闪存	64-512KB	128-256KB
RAM	20-96KB	40KB
功耗	约150µA/MHz	80µA/MHz
安全特性	无	TrustZone
AI支持	需第三方方案	Reality AI原生支持

从参数上看，RA6E2在性能、功耗和安全性方面都有优势，特别是200MHz的主频和TrustZone安全功能，在需要高性能和安全性的应用场景中很有竞争力。

5.3 生态对比

STM32的生态无疑更加成熟，社区资源丰富，第三方教程和例程众多。瑞萨RA系列的生态正在快速发展，官方文档齐全，但社区贡献的内容相对较少。

六、遇到的问题与解决方案（仅仅是我认为很蠢的并且卡了我一定时间的错误）

6.1 问题一：e² studio无法写入数据文件

现象： 打开数据连接时报错，提示无法访问文件。

原因： e² studio需要向C盘User文件夹写入CSV文件，但Windows默认该文件夹为只读。

解决： 以管理员身份运行e² studio。

6.2 问题二：编译报错，提示FSP版本不匹配

现象： 导入示例工程后编译报错。

原因： 工程使用的FSP版本与本地安装的版本不一致。

解决： 在RASC中更新FSP版本，或在安装时选择完整安装所有FSP版本。

6.3 问题三：数据上传失败

现象： e² studio中点击上传按钮后报错。

原因： 网络连接或API配置问题。

解决： 采用从外部导入数据的方式，直接在Reality AI平台上传CSV文件。

七、总结与建议

7.1 总体评价

FPB-RA6E2是一款优秀的入门级开发板，配合Reality AI工具链，为嵌入式AI应用提供了一个完整的解决方案。对于有以下需求的开发者，我强烈推荐尝试：

• 需要高性能、低功耗的MCU应用

• 对边缘AI感兴趣，但缺乏深度学习背景

• 需要TrustZone安全功能的应用

• 想要尝试新的MCU平台

7.2 优点

（1）硬件性能强劲：200MHz Cortex-M33内核，功耗仅80µA/MHz

（2）集成度高：板载J-Link调试器，一根USB线搞定所有

（3）AI工具链完善：Reality AI降低了AI应用门槛（这个可以说是本次体验下来最让我惊艳的地方，不需要太多的时间就可以做一个真正的ai的项目）

（4）外设丰富：CAN FD、I3C、USB等常用接口一应俱全

（5）文档齐全：官方文档详细，适合 自学 （我自身比较菜，还是不敢这么说的）

7.3 不足

（1）社区资源较少：相比STM32，第三方教程和例程不多

（2）学习曲线稍陡：对于习惯了STM32的开发者，需要适应新的命名和配置方式

（3）例程不够丰富：希望官方能提供更多应用示例

7.4 结语

从51到STM32，再到现在的瑞萨RA6E2，每一次接触新的平台都是一次学习和成长的机会。虽然瑞萨RA系列的生态还不如STM32成熟，但其强劲的性能、完善的AI工具链和优秀的功耗表现，让我看到了它在边缘AI领域的巨大潜力。（这也是我第一次写测评文章，水平有限QAQ）

感谢电子发烧友网和瑞萨电子提供的这次评测机会，让我有机会接触到这个优秀的开发平台。希望这篇报告能够帮助到其他想要尝试瑞萨RA系列的开发者。

参考资料

1. FPB-RA6E2官方页面：https://www.renesas.com/en/design-resources/boards-kits/fpb-ra6e2
2. Reality AI工具官网：https://www.renesas.com/en/software-tool/reality-ai-tools
3. 基于Reality AI的动作识别案例教程：https://www.bilibili.com/video/BV1G3ZjYXEef/
4. RA生态工作室公众号
5. 瑞萨官方文档和FSP用户手册

审核编辑 黄宇