大家好,我是Tany。很高兴和大家来分享ST最新的六轴传感器,这次这个传感器会给大家带来不一样的体验,因为这个MEMS_Sensor里面涵盖神经感知的寄存器,用来做机器学习来识别行为是最好不过的啦。由于笔者这边只是简单的模拟了几个常规动作,数据量比较少,但是效果还是比较客观的,接下来我就给大家栩栩道来。8 o, d5 i% S( w+ v9 s( O- h' l3 E, _
首先没有实拍图就是在欺骗观众的心里,来来来,上图为证。
7 L. {9 c6 E) c9 ?& |1 G' m& x
然后我们连接官方的GUI操作界面,如图所示:
- ]' a. ]) X! W# O8 @5 K8 k. Z5 u* ^$ M
然后我们对板载进行初始化,如图所示
# \' f$ A9 v) K# S- I用户选择合适的参数点击绿色的config就对板载初始化完毕了。由于这个GUI的功能选项比较强大,这里只展示机器学习的Part,有兴趣的童鞋可以尝试去玩玩其他的功能项,也非常不错的,特别是记录步数的环节。人工智能的基础就是大数据的支撑,所以这里我们开始收集数据
3 K- M8 n* N0 \3 R1 `6 _
参数配置根据需求自行选择,配置好后我们进入机器学习环节,如图所示:
+ s" d! k, h$ Y
将数据加入进去,对应的行为对应各自的编组。这里小编只取了三组数据然后接下来根据选项就一直next下去,我就不一一截图了太过于繁琐。
这里小编根据自己的使用场景勾画了不同的行为属性(很重要,不然就是人工智障)。
接下来用weka软件处理arff文件,首先打开weka软件
到这里我们训练就结束了,就成功的生成了决策树网络神经单元。然后添加到Unico上面
最后你会看到禁止的时候显示的是1,水平移动是2,垂直移动显示的是3.
最后我们需要移植到其他板子上,然后我们这里需要生成一个行为学习的库文件
然后去ST的官网下载驱动函数,就能成功的使用自己训练好的数据做好机器学习行为识别了,到这里是不是很炫酷啊。这里提醒的就是上面红字的配置输出要选对和数据量尽量多且误差较小,小编当时做出来可是引以为豪的呢!好啦就到这里啦,欢迎后续有其他的问题可以一起交流指导。谢谢大家~
% K4 k" c6 u5 V; g) g) u |
点评
点评