在经历完各种准备工作后，现在终于来到了正主。直接部署Tensorflow Lite Micro那一套玩意确实没啥问题，但是太麻烦，要添加一大堆文件，还得用它家训练生成模型，然后转换，麻烦的很，在ST平台，怎么能不提到用ST自家工具去部署模型，方便快捷，简单实用。
  z: g) l- e- ~3 e; e. g拿出之前准备的工程，选取ai开发需要支持的软件包cue-ai，在software packs点select components
' d" c5 O" ]+ H1 C5 @

: f& f; Y9 R6 k% r( U; u

在X-CUBE-AI行下core勾选，点OK完成



9 e% J) Q0 P% ~+ E回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包

- g) y: [( I& p0 W8 K: \
: p8 |* g! r! C$ }0 ]1 ]+ g% l
% s. ]& n' p3 m6 X1 @, }# q9 J
点击+添加，这里要根据自己使用的模型，以及模型特点选择，如下图选择的是原始模型

5 l; Z$ a4 h1 o5 t
这里选择的是量化后的模型（量化可以减少模型的要求，但是精度会下降），点击分析
8 v3 R" p; k4 g; l' X2 h) T

分析中
; _8 z' e8 y$ f' A5 M
: |0 K0 ~2 }. N# a1 G) N% l+ a) b  B. Z, V
8 B6 O$ `" o+ h& v分析完成会显示是否可以部署到设备上，以及资源使用情况。
) t- U$ X5 S3 a% h% s% h6 L: ?3 l

回到工程，有个小bug（使用的STM32CubeMX版本为6.6.1，X-CUBE-AI版本为7.2.0），下图的几个文件路径老是生成错

3 _! P6 {4 F& _4 i

" X6 b- H% O1 N* W. Q! g! }
% f, N' J4 C- M( P2 [右键文件打开设置，修改一下路径就行

8 u- M; W& J6 F4 p' C5 N  V
3 q  v! y, \& f1 S* H
头文件路径也有一样的问题
$ N4 `7 F1 y, @9 h6 y

初始化模型

1. ai_handle ai_init(void)
   
2. {
   - e' {3 Q$ A& [% y: R6 }: P
3.   network_handle = AI_HANDLE_NULL;
   , @$ F( L5 k& J; W$ ]& ^  Z; Y
4. 
   . w7 x5 f& k4 q. |: G' G9 u9 V- m
5.   /* Creating the network */
   - @* K+ i: G) m- G; P5 w
6.   ai_network_create(&network_handle, AI_NETWORK_DATA_CONFIG);
   
7. 
   6 W" {* k- [# c% b* [, u3 ~
8.   /* Initialize param structure for the activation and weight buffers */
   
9.   const ai_network_params params = AI_NETWORK_PARAMS_INIT(
   
10.     AI_NETWORK_DATA_WEIGHTS(ai_network_data_weights_get()),
    
11.     AI_NETWORK_DATA_ACTIVATIONS(activations)
    & d( d1 ?/ J6 z  @  C
12.   );
    4 s2 ?7 U3 C9 R
13. 
    
14.   /* Initializing the network */
    % X" X; U. r3 e# _# q
15.   ai_network_init(network_handle, ¶ms);
    $ R+ ~% |* ]: W4 ?7 U( H  }, a. O
16.   
    
17.   /*Retrieve network descriptor*/
    0 M+ F1 H& U  u  o9 ?
18.   ai_network_get_info(network_handle, &desc_report);
    
19.   
    
20.   /*Copy descriptor info*/
    
21.   ai_input[0]= desc_report.inputs[0];
    
22.   ai_output[0]= desc_report.outputs[0];
    
23.   
    0 D0 a: b. @: c5 x
24.   return desc_report.inputs->data;
    3 l( q* M4 |8 ]) n7 z" R$ A7 C
25. }

复制代码

/ X) K* c' i6 l! n  o6 j! w2 Z+ C% P1 A运行模型
6 C6 M. M8 w& j& a

1. void ai_run(void* input, void* output)
   9 D* Q1 g; B  o. s* o$ P
2. {
   + G* I; @2 I! ?  g4 x. F
3.   ai_i32 nbatch;
   
4.   
   
5.   ai_input[0].data = AI_HANDLE_PTR(input);
   3 z8 O4 }6 E0 c4 h6 K
6.   ai_output[0].data = AI_HANDLE_PTR(output);
   
7.   
   
8.   nbatch = ai_network_run(network_handle, &ai_input[0], &ai_output[0]);
   & ?8 v( D& O9 P4 L
9.   
   
10.   if (nbatch != 1) {
    
11.         while(1);
    # R; h2 q+ D! V7 n" P2 |4 x4 a
12.   }
    2 g. v+ Z2 |7 l' y5 K- X. k
13. }

复制代码

图像接收处理，这个模型要求输入224*224的RGB888的图像，把数据转换一下。

1. void HAL_DCMI_FrameEventCallback(DCMI_HandleTypeDef *hdcmi)
   - p* E( t  z4 z  R2 V
2. {
   1 {3 j1 q& \: U
3.     uint8_t person_flag;
   9 r5 m. e+ o5 u5 D
4.     int i,j;
   
5.     for(i=0; i<224; i++)
   
6.         {
   
7.         for(j=0; j<224; j++)
   
8.         {
   ) d) ], [( k8 P; x
9.             uint16_t bg_color = ((uint16_t *)_OV2640->frame->buffer)[i*320 + j];
   
10.             network_input[3*i*224 + 3*j + 0] = ((bg_color>>11)&0xff)<<3;
    
11.             network_input[3*i*224 + 3*j + 1] = ((bg_color>>5)&0x3f)<<2;
    
12.             network_input[3*i*224 + 3*j + 2] = (bg_color&0x1f)<<2;
    2 p# M$ O; {/ v) u, C+ T3 q& h
13.         }
    " S2 h& |, _) D+ ~
14.         }
    
15.     ai_run(network_input, network_output);
    
16. 
    ! y  @3 {" O4 \* ^
17.     LCD_Draw_Image(0, 0, 320, 240, (uint16_t *)_OV2640->frame->buffer);
    
18.     LCD_Draw_String(0, 0, 320, 240, 32, output_labels[network_max()]);
    
19.    
    0 y6 r- f! h  A& N' y
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    ' X2 v7 |) E( b% x
21.    
    
22. }

复制代码

2 x* K  h- b/ _
" w: N2 D& `2 G: p; Y9 G& a运行效果（一共能识别18种食物，这里选了几个看看）
) D6 g: I9 l* b* p
空
9 M, x/ g, K8 _9 R
- ~+ W% ?9 E5 D+ c4 n% A. d( W可乐
# M) }( Q) l. j) d
; }- W6 r+ p7 L' \1 ?% Q
, G* w" C/ X6 Z甜甜圈
9 M: J5 E2 v7 W4 n0 L$ h
$ d5 ?3 C0 c  |, h
汉堡包


, J, d1 h( q8 Y8 `8 O" e1 ~& a+ o薯条

/ u9 O+ `* j  S

& B/ j2 j8 o6 D4 i( v小结：STM32Cube.AI工具真的太香了，这里仅仅演示了模型的部署，其实可以快速验证AI模型在目标板上的运行情况，只用串口连接，直接把输入发送到单片机，然后运行完后把结果返回来，全部都集成到了一起，快速验证模型运行情况。很是方便（本文未涉及，有需要的可以在X-CUBE-AI行下勾选时，application里面选择validation，回到配置界面后设置通信接口即可）
& Z* h( I, u( W3 J5 P. w. dWio Lite AI视觉开发套件确实是开发AI的很好的选择之一，板子虽小五脏俱全，拿来做单片机视觉绰绰有余，但是不得不吐槽的一点是资料支持太差了，原理图，代码全都藏起来，前期调驱动花了很长的时间，后来管管给了一个例程后好转了一些（但是已经晚了。。。），Ai在单片机上应用已经有很多厂商都推出类似的解决方案了，ST这一个环境很优秀，就是如果相关的培训跟资料再多一点就好了。
3 z4 m; v7 S. V& t5 m

很好

up有没有原理图资料~

求求了

<br /> <br />

好久之前做的了，资料都忘了放哪里了。。。你可以在网上找找，或者找卖家要

<br /> <br />

up 有更详细一点的建文件工程的教程吗？ 还有模型怎么弄上去， 求解

<br /> <br />

按这个文章操作就行