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
: W* H, C- H/ C4 J


! J8 g' C- i* I- G7 i( d
在X-CUBE-AI行下core勾选，点OK完成

* W9 K2 w% j- s1 F5 h# |

2 e/ b* r& q) g" ]5 W4 [6 ^回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包
. U4 H* m* d* Z# ~8 \( X

$ s1 z  A5 r' N$ E
; s. b3 h$ z' ^
4 x  e, B! X; X: i. @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
0 U: s9 c0 g7 g) ~

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


: a, }. m2 k( u* z0 f分析中


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。
$ R! B6 L0 r, J

/ c3 ~% T! R  y; W# |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
2 r: [% B! b, S; m0 R

! y1 v+ `# c5 m5 c
8 F) V6 U7 S3 D6 c  Z! m
右键文件打开设置，修改一下路径就行

% @) X: |% [  c/ ^  n6 S
: ?# o1 p) V: l6 z
头文件路径也有一样的问题


* _# t& j5 @! u& u0 R7 t初始化模型

1. ai_handle ai_init(void)
   
2. {
   $ K' E1 B7 l1 K* Z/ T1 N" ?
3.   network_handle = AI_HANDLE_NULL;
   3 P: }  h+ D! x% [1 Z* N3 t
4. 
   
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()),
    0 z: p; I& @4 Z# E4 b
11.     AI_NETWORK_DATA_ACTIVATIONS(activations)
    
12.   );
    
13. 
    
14.   /* Initializing the network */
    
15.   ai_network_init(network_handle, ¶ms);
    & h# y$ m( s* e# f5 j
16.   
    
17.   /*Retrieve network descriptor*/
    3 f1 `8 u& j' r. J
18.   ai_network_get_info(network_handle, &desc_report);
    
19.   
    7 X+ Q- [' ^5 G# K/ K
20.   /*Copy descriptor info*/
    
21.   ai_input[0]= desc_report.inputs[0];
    
22.   ai_output[0]= desc_report.outputs[0];
    6 }% x: c* S' i* j# D8 H
23.   
    
24.   return desc_report.inputs->data;
    $ y4 G( ^/ k- X) E0 d
25. }

复制代码

运行模型
. L! k* Y, s) u

1. void ai_run(void* input, void* output)
   , g5 a/ U* x. Y4 B1 p6 C: H
2. {
   ! U4 Y4 J9 n  r. i# k4 G: f- L
3.   ai_i32 nbatch;
   
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.   
   # D: I7 N9 h0 ]0 ?* ^1 U8 }+ s9 |
10.   if (nbatch != 1) {
    
11.         while(1);
    4 A, W/ w3 e% ]& d/ \
12.   }
    . a/ X; f. H  a4 {; C; T, |
13. }

复制代码

: c( v  e  H1 N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。
2 Z9 `: H- Q4 Q; p! b; v8 y& J/ Y1 x

1. void HAL_DCMI_FrameEventCallback(DCMI_HandleTypeDef *hdcmi)
   , N2 D. Y  ?- v0 ^: f5 H0 |8 t
2. {
   : [) k, L* j2 t& d  R% y
3.     uint8_t person_flag;
   
4.     int i,j;
   ) ]( h  _. _6 o: e" J
5.     for(i=0; i<224; i++)
   : s. `9 c& L: ~2 L" I3 a  E
6.         {
   
7.         for(j=0; j<224; j++)
   
8.         {
   
9.             uint16_t bg_color = ((uint16_t *)_OV2640->frame->buffer)[i*320 + j];
   5 y2 Q: t% r3 L3 Z9 z" Y4 \
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;
      k; ?5 ]3 l* x; {, ?
13.         }
    2 h1 T; \/ `: d) R& A( |
14.         }
    
15.     ai_run(network_input, network_output);
    : S8 r* D9 h; ~# r: B* ]
16. 
    ; P) w7 {% e9 o5 {
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()]);
    % K; ^, S; c8 m% f9 Y
19.    
    . N9 z! E. x6 |' P0 j, I6 g6 M3 E
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
21.    
    ! I2 }& T. M% \- b
22. }

复制代码

! E7 @- _2 u+ V& q, `
' c! ^4 a% A3 e3 S运行效果（一共能识别18种食物，这里选了几个看看）

3 Z4 C  ~5 G' b8 W空

可乐
, g) @3 B1 e3 i5 ?3 p2 ?

) G, ?  t" r" O甜甜圈

4 d+ X& z8 ~% O( S! B# K4 A' k: i6 J
0 ^5 q$ L' P" R$ V/ z) @2 x汉堡包
) _" t/ F. i3 u' D' A
& M2 C1 l2 @* G+ n; O' Q
- r/ X+ \8 `6 W: j8 x薯条
" O% e6 F% i8 S

1 w* A% g" a/ B. B4 Q7 {. W  i
! M4 I9 W$ n& t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）
% D- N0 j+ J: U2 o8 R; O0 J7 bWio 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。
1 @$ P0 M& H  |2 P* C: G' B9 ~, \

很好
' }5 N; F8 i7 |5 T

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