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。
1 ]. |* E5 y: A9 @2 E. z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


/ l& V$ A1 V5 R) e, l7 |

% R  F8 C0 Y, D. s/ Z在X-CUBE-AI行下core勾选，点OK完成
) {/ H1 {& f/ ^

: y/ D9 L( I, g  i
6 Y- T4 H/ f. P4 c, V回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包


$ q' Y! Y" [# j. e! V8 {" [

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


: S/ E8 ?2 P; T" k3 F' t+ P  L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
2 V) y! A2 ]0 Q: i# {7 q0 {

分析中


7 n3 R* }% T) K# \" v! t5 h2 d7 S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
1 q& {% N3 p" [1 f1 B3 M* V8 D4 N' y

) W9 ]6 t% d  [- R: Y8 O0 X  X
5 L3 V+ a, m0 Q  I/ _( b& k0 m2 z
右键文件打开设置，修改一下路径就行
6 N. d1 `+ L. r

& t: b) h2 {; i7 U, |
/ @9 f9 x7 X. M# [5 j头文件路径也有一样的问题
. g  o- H3 k9 n2 @

; l+ P$ c) i( Y# y, j初始化模型

1. ai_handle ai_init(void)
   & D1 N* {( m' B' c' G
2. {
   " h$ R5 T) O, T
3.   network_handle = AI_HANDLE_NULL;
   & V$ p' g. ^9 q
4. 
   0 f7 `* ~3 ^- e& G! b
5.   /* Creating the network */
   
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(
   
10.     AI_NETWORK_DATA_WEIGHTS(ai_network_data_weights_get()),
    
11.     AI_NETWORK_DATA_ACTIVATIONS(activations)
    
12.   );
    
13. 
    
14.   /* Initializing the network */
    " ~' Z' \; X) {6 w+ Z
15.   ai_network_init(network_handle, ¶ms);
    
16.   
    
17.   /*Retrieve network descriptor*/
    
18.   ai_network_get_info(network_handle, &desc_report);
    
19.   
    
20.   /*Copy descriptor info*/
    2 N+ m- h$ }9 i& m  y
21.   ai_input[0]= desc_report.inputs[0];
    5 @4 K7 v, X" W( e* z6 g5 o
22.   ai_output[0]= desc_report.outputs[0];
    % I. p! f# }) S
23.   
    7 Y' o' c9 r; a8 E! n  y+ h( {3 f1 G
24.   return desc_report.inputs->data;
    ( }' m* C; W; O5 O) `
25. }

复制代码

/ W  g1 F. u/ e% R8 z, E运行模型
4 l" ]# b0 P  N3 ]% I+ ?5 i7 z6 {

1. void ai_run(void* input, void* output)
   / Q. f" ]1 B7 C
2. {
   ' _6 |# O* w& ?8 [8 _( K
3.   ai_i32 nbatch;
   # Y+ ^6 ~; e/ V2 O
4.   
   
5.   ai_input[0].data = AI_HANDLE_PTR(input);
   5 [- y3 Z( E6 G# F6 {; f0 O" _
6.   ai_output[0].data = AI_HANDLE_PTR(output);
   / T. v) I/ S7 |* p
7.   
   
8.   nbatch = ai_network_run(network_handle, &ai_input[0], &ai_output[0]);
   
9.   
   
10.   if (nbatch != 1) {
    $ C1 v7 L" f% O( M$ Q
11.         while(1);
    
12.   }
    
13. }

复制代码

" x+ E) w6 f  h0 A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)
   
2. {
   
3.     uint8_t person_flag;
   & q7 D0 m% t' ]3 R4 n: l8 _( [
4.     int i,j;
   . F/ ^6 B4 W1 a; d
5.     for(i=0; i<224; i++)
   1 G7 o! d7 G+ R( M
6.         {
   
7.         for(j=0; j<224; 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;
    
12.             network_input[3*i*224 + 3*j + 2] = (bg_color&0x1f)<<2;
    1 w! ~$ Z- L& t8 \7 d# @) |5 c
13.         }
    
14.         }
    ; z' g$ O$ }. F' S: D* p1 B( o$ u
15.     ai_run(network_input, network_output);
    
16. 
    - D# l3 c& g! R" \- B) t: k
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()]);
    9 m9 a2 F. @5 Q) B- m& M
19.    
    
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
21.    
    
22. }

复制代码

" i5 S1 A: |% z  x) z3 z6 s& z' x0 H运行效果（一共能识别18种食物，这里选了几个看看）

' }' {8 K4 R) d空
1 [7 `% I0 n( F3 c; |! d$ ~: R
可乐


甜甜圈
9 b6 F( J% s* x4 D  f6 A

汉堡包
" }1 i  L  I- M. n
: \  K( g8 y0 L, g8 x  W1 S+ E$ Z+ e
% ~/ i+ m" g. m0 C薯条



% }- E( b+ X  ^: Q& Y* K0 w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）
2 S+ s5 H: Z& e2 y) Q1 A6 T2 D% p+ 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。
" Z5 `7 q& P! v2 u1 E2 p# C

很好

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