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。
( c1 F! F' l( }* w7 K* c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


/ k  k* q8 w( `3 ~7 h( H6 g

: \6 d# W3 r+ }5 s9 p在X-CUBE-AI行下core勾选，点OK完成


8 u$ B; x7 Q4 n0 ^
  f$ N9 _/ k7 O; O! \% L) j回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包
' ~7 N. d9 z1 R6 m( {3 ~3 b6 p
7 J6 a& T" [9 _
# c* B  {; S2 \2 h4 Y# _- m
2 ?4 ^4 @5 w9 I$ G7 g- u/ x' M# \
9 v( V$ l4 I& R0 m1 y3 c' Z- y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
6 y; \6 I6 @8 r" _0 ^$ R

; V4 v: Q, y0 e5 ^5 y: F1 N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
  Q; `! m2 }9 _" X0 m
3 r( z1 [/ N. i' ~1 e
分析中


- W* d; M# n  F4 |2 @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。


4 X% X& z0 F. B1 j4 G* q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

! m' B. H! }) {/ f5 J* W
( Q& C2 @' A' P( q* O7 Y. K
0 }6 T1 x* t# f& y0 F5 i8 g
右键文件打开设置，修改一下路径就行
/ W; z2 @( C6 j4 N! `- X
! Z5 p+ F8 [8 Y" V$ E' W

% O2 G. h9 t. B1 i; h% }头文件路径也有一样的问题

6 p) @' V/ P9 I6 \
初始化模型

1. ai_handle ai_init(void)
   
2. {
   
3.   network_handle = AI_HANDLE_NULL;
   
4. 
   ! G) ~: m' N% s: t0 u
5.   /* Creating the network */
   8 `. ?9 ]3 q. Y+ J% q
6.   ai_network_create(&network_handle, AI_NETWORK_DATA_CONFIG);
   
7. 
   
8.   /* Initialize param structure for the activation and weight buffers */
   
9.   const ai_network_params params = AI_NETWORK_PARAMS_INIT(
   1 G. ^  |9 `. ?9 L% ?( N
10.     AI_NETWORK_DATA_WEIGHTS(ai_network_data_weights_get()),
    
11.     AI_NETWORK_DATA_ACTIVATIONS(activations)
    
12.   );
    
13. 
    # t9 [* U5 A! I3 C& K& x
14.   /* Initializing the network */
    4 H9 ?9 n' U( q- e+ k
15.   ai_network_init(network_handle, ¶ms);
    4 w5 @( s( {8 v0 [! \5 W
16.   
    
17.   /*Retrieve network descriptor*/
    
18.   ai_network_get_info(network_handle, &desc_report);
    
19.   
    9 u- P. c+ ~" g4 r
20.   /*Copy descriptor info*/
    
21.   ai_input[0]= desc_report.inputs[0];
    
22.   ai_output[0]= desc_report.outputs[0];
    1 n( R* s! g, ^- S" N: @$ F
23.   
    7 ^: G2 c# S3 t0 N9 X" ?" H& a! W
24.   return desc_report.inputs->data;
    / n6 q$ f( K4 I: K
25. }

复制代码

! Z( P) K0 k$ H- T7 e运行模型
" ~! R: v! S( }  j

1. void ai_run(void* input, void* output)
   
2. {
   
3.   ai_i32 nbatch;
   
4.   
   $ U- y! ~4 w' l5 U
5.   ai_input[0].data = AI_HANDLE_PTR(input);
   
6.   ai_output[0].data = AI_HANDLE_PTR(output);
   $ Z& Z+ ]% y# x6 Q5 j
7.   
   ) P1 t: U- z/ }+ {- i
8.   nbatch = ai_network_run(network_handle, &ai_input[0], &ai_output[0]);
   4 Y  @% {  k" k6 d4 w
9.   
   7 j0 {- {! C$ e7 o/ `1 ~7 d' V
10.   if (nbatch != 1) {
    : @4 W3 `! ]( }9 g- B
11.         while(1);
    * S: l% o+ Q; E! k0 w; n8 j
12.   }
    % D0 K* ^2 n8 |' ]- d1 x( {
13. }

复制代码

3 a3 Z) t; g) }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。
- [7 O8 R* I6 H/ b; O5 o& f7 Q" \  Q

1. void HAL_DCMI_FrameEventCallback(DCMI_HandleTypeDef *hdcmi)
   
2. {
   4 {7 L3 h) k  z7 B2 p
3.     uint8_t person_flag;
   " [% K# N2 y  F
4.     int i,j;
   ( K# N7 |* c4 Q
5.     for(i=0; i<224; i++)
   . ?2 s) M, }1 B" e6 L. N4 F$ u
6.         {
   
7.         for(j=0; j<224; j++)
   $ q: s+ N: G$ v+ \! t# a- j
8.         {
   
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;
    * `8 v, s9 d  W  U- K
12.             network_input[3*i*224 + 3*j + 2] = (bg_color&0x1f)<<2;
    $ y, s+ g& s$ j3 u
13.         }
    
14.         }
    8 N4 ^, T' M  j) V7 L
15.     ai_run(network_input, network_output);
    
16. 
    & [8 i/ D! u* p0 u4 N' @
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()]);
    5 R2 l( p! D3 ?
19.    
    
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    ( R. V4 q) N3 j8 Y8 K$ t2 g
21.    
    / }4 z. c9 H" L& u1 P
22. }

复制代码

& n( B" W3 i! d% o: B
8 s# {5 `- d) }6 W运行效果（一共能识别18种食物，这里选了几个看看）
9 S3 C  C2 |$ c0 Z6 p. E* U3 s
空

可乐
9 S, X3 p4 n* C

甜甜圈


汉堡包
6 u: E: q7 j' d+ j2 r% N  Q8 i8 Q

0 _/ [7 Q% D  R1 T& v) d  F. V薯条

  m% v+ Q" ], l' o

8 G. S9 X' N5 F* M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。
4 ~* Z, _  f* }3 b

很好
5 _) V6 t; L; |+ y0 [7 a

up有没有原理图资料~

求求了

萨法 发表于 2024-11-24 21:35
up有没有原理图资料~</p>
<p>求求了

[md]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

奇迹 发表于 2024-11-25 10:35
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
...

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

黄涛12345 发表于 2024-12-9 20:55
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
...

按这个文章操作就行