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。
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
# L9 o8 u" N' I* H



在X-CUBE-AI行下core勾选，点OK完成
0 o8 l6 c7 ?3 n: ?+ w
5 V9 {7 R# o% S. z8 ~# K/ Z8 B! E2 j
$ |7 C+ p, z! n3 X, S, P6 Z* W$ }
回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包

' B  t* y0 R9 G+ w2 }& a


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


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
9 \7 P4 @  u+ C( T- S; }8 K
6 e0 Q; |8 i( G# j' }/ [
0 N  P: U& b$ Q7 \7 c' B2 S1 C分析中

# _$ y( r: `  J9 D
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。


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
9 E. K  o; {- J
5 e1 ?, K/ y, O. I/ p8 X+ o


7 K% K( ]1 W- P; ~, T右键文件打开设置，修改一下路径就行



头文件路径也有一样的问题

0 S6 Q! I3 o" A* u  x
4 q8 l3 q6 j: s  G初始化模型

1. ai_handle ai_init(void)
   
2. {
   : t" m% \! U3 [! Z- Y& x% ]
3.   network_handle = AI_HANDLE_NULL;
   " O7 p; V6 t9 C) ?! ?
4. 
   
5.   /* Creating the network */
   
6.   ai_network_create(&network_handle, AI_NETWORK_DATA_CONFIG);
   6 I0 |" Z& P- {  |5 h. b
7. 
   
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)
    ' N- T9 m% T- [1 G) }; ~/ T
12.   );
    ( y) W2 E$ V8 L. u1 O
13. 
    % w, \1 f* W2 b' }
14.   /* Initializing the network */
    
15.   ai_network_init(network_handle, ¶ms);
      c" A! f: B* D# K+ Y, y; `% Z% L" ]# m, ^
16.   
    
17.   /*Retrieve network descriptor*/
    
18.   ai_network_get_info(network_handle, &desc_report);
    
19.   
    6 ]+ j( B! O4 z
20.   /*Copy descriptor info*/
    1 z1 W; C% ]/ [# u+ A
21.   ai_input[0]= desc_report.inputs[0];
    ( S" [+ K$ k( i8 P% T8 i! ^. v
22.   ai_output[0]= desc_report.outputs[0];
    
23.   
    / C$ j3 ~. h5 H/ Y; r( Z' }
24.   return desc_report.inputs->data;
    - D, [; a) u( y' b. v8 F; o9 t
25. }

复制代码

# K% h  X( D$ @) q% m, z运行模型

1. void ai_run(void* input, void* output)
   
2. {
   3 Z* [7 k$ `7 r, V% w7 n
3.   ai_i32 nbatch;
   ) _+ i. a, q7 X' Z; \
4.   
   
5.   ai_input[0].data = AI_HANDLE_PTR(input);
   
6.   ai_output[0].data = AI_HANDLE_PTR(output);
   
7.   
   
8.   nbatch = ai_network_run(network_handle, &ai_input[0], &ai_output[0]);
   
9.   
   
10.   if (nbatch != 1) {
    
11.         while(1);
    , ]$ V- r8 C$ C
12.   }
    
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)
   8 e* G: e  W  p) D2 f  P
2. {
   4 |4 ^; ?- j2 R' E% a
3.     uint8_t person_flag;
   
4.     int i,j;
   
5.     for(i=0; i<224; i++)
   
6.         {
   ( v( I& w( n9 U- a7 g. ~# J8 t
7.         for(j=0; j<224; j++)
   
8.         {
   , b$ y$ ]; A! |6 N, w+ e- b5 J
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;
    
13.         }
    6 s$ t  D' ^& ~- g3 G5 Q6 k
14.         }
    - S! p/ Q% l/ @1 `$ ?
15.     ai_run(network_input, network_output);
    % p+ }2 v% q- B5 b1 D$ T& Z
16. 
    * X1 V$ t2 E: v. o" M% P9 o$ A! K
17.     LCD_Draw_Image(0, 0, 320, 240, (uint16_t *)_OV2640->frame->buffer);
      r) ]9 }0 g" u9 C. i. W9 B
18.     LCD_Draw_String(0, 0, 320, 240, 32, output_labels[network_max()]);
      |1 k4 t% g: G& J/ |, M0 {9 I( j% t
19.    
    
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
21.    
    9 F1 V9 N- j5 J! Y& u; ~3 }" j
22. }

复制代码

  N  z8 [6 `& G* }7 w
" h5 \1 ]/ e: a5 S% ~运行效果（一共能识别18种食物，这里选了几个看看）

空

可乐
# H9 I" [' f. p$ V: t$ ]
- r: M4 T% n4 j1 ~5 [. a' e
甜甜圈
9 b3 i) Q# W; j5 {
$ D$ I! ~4 |2 w" g' B6 [
汉堡包


薯条

' O  W( P# L% Z9 P
& d( U5 ~. ?1 d/ 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）
Wio 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。
% ?" k! D6 f. o5 I* p/ U/ Y: X

很好
  q9 d& C+ Q# p6 t

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