电子发烧友网>电子资料下载>电子资料>在嵌入式物联网节点中运行机器学习代码以轻松识别对象

在嵌入式物联网节点中运行机器学习代码以轻松识别对象

2513367 2022-11-24 | pdf | 225.59KB | 次下载 | 免费

资料介绍

在动态环境中运行的物联网 (IoT) 网络正在扩展到对象检测之外，包括在安全、环境监控、安全和工业物联网 (IIoT) 等应用中的视觉对象识别。由于对象识别是自适应的并且涉及使用机器学习 (ML) 模型，因此它是一个复杂的领域，很难从头开始学习和有效实施。在动态环境中运行的物联网 (IoT) 网络正在扩展到对象检测之外，包括在安全、环境监控、安全和工业物联网 (IIoT) 等应用中的视觉对象识别。由于对象识别是自适应的并且涉及使用机器学习 (ML) 模型，因此它是一个复杂的领域，很难从头开始学习和有效实施。困难源于这样一个事实，即 ML 模型的好坏取决于它的数据集，一旦获取了正确的数据，就必须对系统进行适当的训练以对其采取行动，以使其具有实用性。困难源于这样一个事实，即 ML 模型的好坏取决于它的数据集，一旦获取了正确的数据，就必须对系统进行适当的训练以对其采取行动，以使其具有实用性。本文将向开发人员展示如何将 Google 的 TensorFlow Lite for Microcontrollers ML 模型实施到本文将向开发人员展示如何将 Google 的 TensorFlow Lite for Microcontrollers ML 模型实施到Microchip TechnologyMicrochip Technology微控制器中。然后，它将解释如何通过 TensorFlow Lite 使用图像分类和对象检测学习数据集，以最少的自定义编码轻松识别对象。微控制器中。然后，它将解释如何通过 TensorFlow Lite 使用图像分类和对象检测学习数据集，以最少的自定义编码轻松识别对象。然后介绍然后介绍Adafruit IndustriesAdafruit Industries的 TensorFlow Lite ML 入门套件，可以帮助开发人员熟悉 ML 的基础知识。的 TensorFlow Lite ML 入门套件，可以帮助开发人员熟悉 ML 的基础知识。用于嵌入式视觉系统的 ML用于嵌入式视觉系统的 ML广义上的 ML 赋予计算机或嵌入式系统与人类类似的模式识别能力。从人类感官的角度来看，这意味着使用麦克风和相机等传感器来模仿人类对听觉和视觉的感官感知。虽然传感器很容易用于捕获音频和视觉数据，但一旦数据被数字化并存储，就必须对其进行处理，以便将其与内存中代表已知声音或物体的存储模式进行匹配。挑战在于，例如，相机为视觉对象捕获的图像数据与内存中存储的对象数据不完全匹配。需要视觉识别对象的 ML 应用程序必须处理数据，以便它能够准确有效地将相机捕获的模式与存储在内存中的模式相匹配。广义上的 ML 赋予计算机或嵌入式系统与人类类似的模式识别能力。从人类感官的角度来看，这意味着使用麦克风和相机等传感器来模仿人类对听觉和视觉的感官感知。虽然传感器很容易用于捕获音频和视觉数据，但一旦数据被数字化并存储，就必须对其进行处理，以便将其与内存中代表已知声音或物体的存储模式进行匹配。挑战在于，例如，相机为视觉对象捕获的图像数据与内存中存储的对象数据不完全匹配。需要视觉识别对象的 ML 应用程序必须处理数据，以便它能够准确有效地将相机捕获的模式与存储在内存中的模式相匹配。有不同的库或引擎用于匹配传感器捕获的数据。TensorFlow 是一个用于匹配模式的开源代码库。TensorFlow Lite for Microcontrollers 代码库专为在微控制器上运行而设计，因此降低了内存和 CPU 要求以在更有限的硬件上运行。具体来说，它需要一个 32 位微控制器并使用不到 25 千字节 (Kbytes) 的闪存。有不同的库或引擎用于匹配传感器捕获的数据。TensorFlow 是一个用于匹配模式的开源代码库。TensorFlow Lite for Microcontrollers 代码库专为在微控制器上运行而设计，因此降低了内存和 CPU 要求以在更有限的硬件上运行。