Arduino使用TinyML实现水果识别

在本文中，板载手势传感器将用于收集对象识别数据，这些数据将用于创建TensorFlow Lite模型，该模型可用于识别特定对象。 电路板的接近传感器功能将用于识别物体何时靠近电路板，而RGB传感器用于首先收集物体的颜色数据，然后正确识别物体。 这是一个简单的示例，但确实显示了在小型设备上运行TinyML的潜力以及传感器丰富的Arduino蓝牙传感器的强大功能。

硬件

水果

Arduino IDE准备

安装库文件

捕获训练数据

• 打开串行监视器，然后选择一种水果来收集数据。

  注意：确保面板靠近水果并且光线充足，可以更好地收集数据。 将棋盘移至水果上方或将水果移至棋盘上方。

  例如：香蕉

• 从串行监视器复制数据并将其放置在CSV文件中。

  例如，

  banana.csv

  注意：确保文件的第一行包括以下内容：

  Red,Green,Blue

• 重复其他水果。

  苹果，橙（在这种情况下为橙色甜椒）

训练模型

训练神经网络

• 运行Parse并将CSV文件中的数据单元准备为可用于训练连接的神经网络的格式

• 运行“构建和训练模型”单元，以使用高级Keras API构建和训练TensorFlow模型。

  输出：

• 与测试数据一起运行以将数据放入模型并绘制预测

• 将训练后的模型转换为Tensor Flow Lite，并以字节为单位显示模型大小。

  输出：

  刷新文件以查看创建的手势文件：

  创建的文件：gesture_model.tflite

• 将模型编码到Arduino头文件中

  该单元将在model.h文件中创建一个字节数组。注意：以前这是行不通的，但看起来已得到纠正。

  刷新文件以查看model.h文件。

运行TensorFlow Lite模型

• 将model.h选项卡添加到Arduino IDE项目，然后将Colab会话中的model.h代码添加到新文件中。

水果表情符号版

• 可以使用相同的object_color_classifier.ino sketch通过串行输出打印水果表情符号，但需要进行一些代码修改。
• 从终端使用“ dmesg”获取Nano tty设备
• 查看表情符号表示的数据

详情参阅 - 亚图跨际