陈拓 2025/05/08-2025/05/11
1. 简介
- 官方网址
https://edgeimpulse.com/
适用于任何边缘设备的人工智能：
Gateways - 网关
Sensors & Cameras - 传感器和摄像头
Docker Containers - Docker容器
MCUs, NPUs, CPUs, GPUs
构建数据集、训练模型并优化库以直接在设备上运行；从最小的微控制器到具有最新神经加速器的网关（以及介于两者之间的任何东西）。
构建 – 训练 – 优化 – 部署
2. 申请Edge Impulse上的一个免费帐户
3. 准备工作
为方便阅读，有的页面翻译成了中文，必要时附上英文页面对比。
3.1 登录账户
3.2 创建项目
- 点击Create new project
点击 – 创建新项目
下拉找到 – 危险区域
3.3 启动入门教程
是的，清除我的项目
3.4 进入欢迎界面
欢迎界面在你第一次登录时也能看到。
选择 - 图像分类，构建我的第一个模型
4. 图像分类体验
4.1 第1步：确定模型应该分类的内容
选择两类物体，比如铅笔和电池。
4.2 第2步：使用手机收集图像
机器翻译将Impulse译为冲动。翻译为“流程”比较贴切，因为Impulse在这里表示端到端的处理流程 （数据输入 → 处理 → 模型输出）。
关于“使用手机收集图像数据”的文档见：
https://docs.edgeimpulse.com/docs/tutorials/data/data-ingestion/image-classification-mobile-phone
用手机上带二维码扫描的浏览器（我用小米浏览器）收集图像数据。
将手机连接到项目后，就可以开始拍摄图像并构建数据集了。通过手机的用户界面，可以快速收集图像。
收集的图像数据：
数据集：
4.3 第3步：设计你的冲动（Impulse）
鼠标点击主页面，进入Impulse参数配置页面，我们保持默认值。
点击右下角的简历教程按钮回到Impulse流程：
4.4 第4步：数字信号处理
DSP处理结果：
4.5 第5步：生成特征
生成特征，将原始图像数据转换为机器学习模型可理解的数值特征 。
等待成功：
查看特征：
4.6 第6步：训练神经网络
等待训练完成。
查看神经网络设置和模型训练结果：
4.7 第7步：测试模型
用手机扫二维码：
首先要在手机上构建项目，将模型部署到你的手机上，这个过程要几分钟的时间，接下来就可以测试了。
4.8 第8步：查看摘要
5. 模型改进和实验
如果有需要可以对模型进行改进和再实验。
6. 将模型部署到其他设备上
开发好的模型可以部署到很多其他设备上。
- 默认部署
点击 – 部署，打开部署页面，显示默认部署 – 浏览器
用手机浏览器扫描二维码可以再次测试刚才模型。
- 部署到其他设备
点击 - 搜索部署选项
选择你需要部署的目标设备、库以及其他选项。
比如，选择乐鑫的ESP32-EYE开发板：
进行部署配置和构建
有关在ESP32开发板上部署Impulses的细节，可以看Edge Impulse的官方文档：
“On your Espressif ESP-EYE (ESP32) development board”
https://docs.edgeimpulse.com/docs/run-inference/cpp-library/running-your-impulse-esp32
