🚀 Wio Terminal + TinyML：轻松实现单片机上的机器学习！

今天给大家讲开源硬件Wio Terminal的开箱和Wio与tinyML网站edge impulse的结合来完成机器学习的挑战。这个帖子就作为开篇吧。或者作为一个避坑指南。
edge impulse平台让你在几乎不了解python和C++的情况下，快速做出TinyML项目。而鉴于TinyML项目都是面向C端的。目标用户群极其庞大。市场前景看好。似乎眼下影响它发展的最大障碍是ML单片机的价格。

先来介绍Wio-terminal
Wio-terminal被选中的原因是edge impulse系统指定它为配合edge系统的硬件之一。有点小贵，但性能比Arduino好很多。跑机器学习呢，没个大心脏（芯片）根本无法负荷，arduino的AVR小心脏只能望ML兴叹。而Wio Terminal 是一款专门用于 IoT 与 TinyML 的多功能开发板 – 包含了 ATSAMD51P19 晶片并以 ARM Cortex-M4F 为核心 (20MHz)，已支援多种针对微控制器的 ML推论框架.
用单片机来玩机器学习图1

Wio开发板已包含：
光感测器(类比)
麦克风
可自订按钮 x 3
4 英吋彩色LCD
加速度感测器
Grove 接头 x 2

当然，这里不是要推销这个板子，以后会介绍能跑ML的其它类型的板子。只是刚好手里有这个板子。就拿它说事儿了。
用单片机来玩机器学习图2

Wio在开箱后，先要来一个测试，测试过程如下：
用单片机来玩机器学习图15

实测效果如下：edge平台给大家最大的惊喜之一是它导出的文件可以用在arduino ide这个最大的开源硬件ide。这让广大创客可以无缝接轨机器学习项目。
用单片机来玩机器学习图18

下面隆重介绍下TinyML

TinyML 的 tiny 代表 ML 模型已针对低功耗的微型装置进行最佳化，例如 Arduino 为首的各种 MCU，各种应用纷纷出笼，但依然受限于 MCU 的算力。

常见应用：声音辨识、语音控制、影像辨识等

它内置和外延很多的传感。

光线传感       小夜灯       手势辨识
声音传感       拍手开门
加速度传感       倾斜警告装置
气体传感       瓦斯警报器
温湿度传感       物联网空调

但想通过ML实现以上功能，需要一个ML平台配合。当当当当。该edge impulse登场了。
用单片机来玩机器学习图5

我们接下来要注册 Edge Impulse
地址是：https://studio.edgeimpulse.com/
记下你的登录名和密码，后面要用到
用单片机来玩机器学习图13

其它需要安装的工具

需要安装Arduino IDE 2.0、
arduino download
https://www.arduino.cc/en/software#experimental-software

edge官方要求arduino ide得是1.8以上。但个人实测ide 1.8也能跑通，装不装2.0其实无所谓，但最好装一个。
用单片机来玩机器学习图7

在arduino的prference导入 wio terminal 开发板定义
https://files.seeedstudio.com/ar ... o_boards_index.json
用单片机来玩机器学习图8

安装Node.js 最新版，例如nodejs v16
https://nodejs.org/zh-cn/download/ 用单片机来玩机器学习图9

安装 edge impulse CLI tool 用来上传资料
通过CMD来安装，位置如下。有的人找不到AppData目录，需要打开win10隐藏文件。
C:\Users\Administrator\AppData\Roaming\npm\node_modules
安装命令是
npm install -g edge-impulse-cli

用单片机来玩机器学习图6

安装好的CLI的路径如上。如没装好，需要检查环境变量的设置
用单片机来玩机器学习图20

把wio的这个按钮连续拨两下
用单片机来玩机器学习图10

这时候你的PC会出现一个arduino盘符

用单片机来玩机器学习图11

打开这个盘符，把wio-terminal -ei-1.4文件拖入盘中，这是硬件厂商官方发布的文件，它内置了一些wio上内置的传感的调用文件。
用单片机来玩机器学习图12

edge impuls ML设置

用单片机来玩机器学习图23

要连接wio terminal，需要打开PC的CMD窗口。输入如下命令和你的登陆名与密码
edge-impulse-daemon --clean
用单片机来玩机器学习图25

并通过给出的网址，进入edge系统来做ML项目
用单片机来玩机器学习图27

设备支持的传感如下

edge主界面布局如下
用单片机来玩机器学习图30

然后开始取样，样本数据多一点好，不然会因为欠拟合导致精度不够。我这里做测试使用了光感传感来判断石头和布。
用单片机来玩机器学习图32

代码能力强的，可以看看你的ML项目的代码
用单片机来玩机器学习图38

我这里样本只有两笔，导致了欠拟合。精度不够，会在之后的测试中加大样本量看看。后续会持续报告。
用单片机来玩机器学习图40

接下来汇出库文件，这里Edge把本来python ML项目文件转成了C++文件来给arduino ide使用。让单片机也能玩高大上的东东。
用单片机来玩机器学习图42

案例文件并不能匹配我们选择的传感的具体功能。例如我这里想要剪刀石头布，然后打开不同颜色的LED。那么需要我们手动添加一些代码。案例提供了我们最讨厌的C++的内容。而我们只需要有ardiuno C的基础。添加获取传感数据的内容和执行其它命令。如下代码给出数据采样的内容。其它内容可根据自己需要添加。需要你有一定的arduino C的代码基础。

int raw_feature_get_data(size_t offset, size_t length, float *out_ptr) {
float features[？？]; //这里的？？是你的项目采样的频率
  for (byte i = 0; i < ？？; i = i + 1)
  {
  features[i]=analogRead(WIO_LIGHT);
  delay(？？); //这里的？？是你的训练数据时候设置的延迟
  }
  memcpy(out_ptr, features + offset, length * sizeof(float));
  return 0;
复制代码