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




5 R) ~* d  \  t. X在X-CUBE-AI行下core勾选，点OK完成



回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包
$ M  A" ~" r3 p; Y

0 u- D  n* y. c1 ~6 Z1 w, c
) i' M4 f! a: u* }- _: i( F
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

3 j; L' x* U5 e5 o7 b
6 q) z% j6 \- b! r; w) b0 w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
+ K' z9 i0 a, C* B/ S3 l% d( Z* R4 K
# ~( o0 q+ D8 ~" |! n$ U% O  L
. p; D8 d* {' Q" Z7 [& N  `8 W分析中
! t8 E9 ~& a) E, R

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。
6 A: ]7 |8 L* Z
' x3 t) H% o; Q" Q7 U
) a9 N' y  a7 {- Y6 O* |, i/ r/ H8 w5 K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
8 r- D% \; A5 h& k. H% v1 y4 ^: H
" C/ E8 m, _- g9 t& k+ L
) }# J' D# o: [9 p! G3 l3 C

右键文件打开设置，修改一下路径就行

* u8 z$ @, U. O- Z! V* ?  m' i
6 \+ W) r3 O/ m& `3 M, e
头文件路径也有一样的问题
! L1 H' U6 Y' G+ |- C

  D7 i+ b! M% p5 c初始化模型

1. ai_handle ai_init(void)
   : S3 \% y8 E) A: J/ w* i
2. {
   
3.   network_handle = AI_HANDLE_NULL;
   
4. 
   
5.   /* Creating the network */
   
6.   ai_network_create(&network_handle, AI_NETWORK_DATA_CONFIG);
   7 j4 R1 |/ B! ]" Y+ d' \9 q# N* G
7. 
   
8.   /* Initialize param structure for the activation and weight buffers */
   ( }) y0 F1 A' C# }
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)
    ! v; W* w9 t9 b) a' m2 H
12.   );
    
13. 
    . a. p$ G6 h" U  g
14.   /* Initializing the network */
    
15.   ai_network_init(network_handle, ¶ms);
    1 ?& Y: \. |0 L
16.   
    , |; `, w8 c: p# l$ }# K
17.   /*Retrieve network descriptor*/
    9 a# B% |+ Z4 J* K) t) c  Y6 P9 T
18.   ai_network_get_info(network_handle, &desc_report);
    
19.   
    2 e' f' @. n' U% A6 [( X# D5 t
20.   /*Copy descriptor info*/
    ; d! \$ J1 E* n! `# r
21.   ai_input[0]= desc_report.inputs[0];
    
22.   ai_output[0]= desc_report.outputs[0];
    
23.   
    & G7 N. Z7 a" ~; t
24.   return desc_report.inputs->data;
    
25. }

复制代码

运行模型
2 ~2 t) k2 j( A# o

1. void ai_run(void* input, void* output)
   
2. {
   $ }* `% {3 s$ n, ~& Q5 m
3.   ai_i32 nbatch;
   + _# Q0 u) g/ c0 R/ R5 \% ~) y
4.   
   
5.   ai_input[0].data = AI_HANDLE_PTR(input);
   + s( ^( ?" d5 `- Z4 W& A
6.   ai_output[0].data = AI_HANDLE_PTR(output);
   
7.   
   9 O7 p  ], |9 s0 g- L
8.   nbatch = ai_network_run(network_handle, &ai_input[0], &ai_output[0]);
   5 K$ y4 l: G$ N: d0 ^
9.   
   . H$ W1 m- z: r* L
10.   if (nbatch != 1) {
    ; L* v# H4 L2 y7 J8 |
11.         while(1);
    2 O3 ]% p' p8 r9 w3 ?
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)
   
2. {
   0 U* s% \; L# k# ]; c  g* M
3.     uint8_t person_flag;
   
4.     int i,j;
   
5.     for(i=0; i<224; i++)
   * m" Z0 u: i6 n  T9 y
6.         {
   " t+ e: j3 i$ ]+ k& Z5 R1 M
7.         for(j=0; j<224; j++)
   8 ]; q  S  K1 g; Z( E! [& ~
8.         {
   ; S9 J; z6 i! A4 `6 p: n
9.             uint16_t bg_color = ((uint16_t *)_OV2640->frame->buffer)[i*320 + j];
   . D( M. f7 ^; o* }2 i
10.             network_input[3*i*224 + 3*j + 0] = ((bg_color>>11)&0xff)<<3;
    2 q# d: T% R; _' |: ~( E
11.             network_input[3*i*224 + 3*j + 1] = ((bg_color>>5)&0x3f)<<2;
    ( F4 }/ M1 L. v( a9 Q* Y
12.             network_input[3*i*224 + 3*j + 2] = (bg_color&0x1f)<<2;
    
13.         }
    5 s4 G% u* O: A( p; C" N, i+ z: F
14.         }
    6 v# q. z: S& t( Z2 w5 }
15.     ai_run(network_input, network_output);
    
16. 
    
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.    
    # r% V* D  B6 }' s: r1 }6 y2 O
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
21.    
    6 H( ^* n% V1 D) D% ^4 g
22. }

复制代码

: ], }: f! L& a9 m) W' A7 e
& Z# G. I5 Q$ E& K7 [5 P& a1 y运行效果（一共能识别18种食物，这里选了几个看看）
* i. {$ O( \( c+ z+ b1 U
空
# {! n0 H# @+ W" }$ i
" Y( D# F& H# G( q可乐

* l' K3 n! i( e3 g! ?0 J' K! w( |
甜甜圈

- k5 f0 t0 n, _$ Y0 i
5 Z% F; i$ L: S汉堡包


* S% ^' R# ^& W( J: s" v薯条



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。

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