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
2 J: h% k: M8 d: ]. f$ n. p& n


. r$ u8 b6 \* p+ Y
在X-CUBE-AI行下core勾选，点OK完成

- [+ d6 M8 P; r& L$ ~

回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包



; V+ _' O, ?# H8 V. h. d2 F* t  c1 b
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

7 V4 F! @; U6 b* P
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% _& }( H1 u8 o  G4 [. s! m
) B8 Y0 p; {5 z1 g" S8 \
; B0 l+ z: {5 B/ @分析中
& |- r' e: \0 W# D: ]6 S. t

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。

" ?7 q. N, Q- R( ?- E; t% m( O% H' b
. J  n# X6 W4 Y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

( v( ^0 b9 A# o2 ^# I& Y


右键文件打开设置，修改一下路径就行
0 X0 d1 |# j+ y6 [5 {
7 @9 Y# F# e7 @: i) k

头文件路径也有一样的问题


初始化模型

1. ai_handle ai_init(void)
   $ ~* ~6 x1 C( q* s9 r9 d( H1 z0 a6 B
2. {
   
3.   network_handle = AI_HANDLE_NULL;
   
4. 
   9 _9 ^) T9 Y) V( e. o: F
5.   /* Creating the network */
   / D% Y7 p. V+ r2 ^* C) L/ Q
6.   ai_network_create(&network_handle, AI_NETWORK_DATA_CONFIG);
   
7. 
   ; J; C* I  k8 f6 I0 y
8.   /* Initialize param structure for the activation and weight buffers */
   
9.   const ai_network_params params = AI_NETWORK_PARAMS_INIT(
   ( Z3 w7 j% K% B/ f5 N9 a6 D: n
10.     AI_NETWORK_DATA_WEIGHTS(ai_network_data_weights_get()),
    
11.     AI_NETWORK_DATA_ACTIVATIONS(activations)
    % }2 Y, U' n; J* z, M* J
12.   );
    
13. 
    
14.   /* Initializing the network */
    
15.   ai_network_init(network_handle, ¶ms);
    - ]" ]' \& W! j
16.   
    ; V* Q, E, F- `; \+ M" n
17.   /*Retrieve network descriptor*/
    , H  Z  H" m. l3 O
18.   ai_network_get_info(network_handle, &desc_report);
    : \- ~& d9 ^0 K3 t  U
19.   
    9 E9 V# r4 c# F
20.   /*Copy descriptor info*/
    : d0 m4 W$ k. H) l1 D4 A
21.   ai_input[0]= desc_report.inputs[0];
    7 h1 U7 w* Z4 {  y! ~* k" O
22.   ai_output[0]= desc_report.outputs[0];
    
23.   
    $ M  O' m% T- m! U
24.   return desc_report.inputs->data;
    1 ^; I- _7 i. o
25. }

复制代码

2 A: t$ y2 H* p运行模型
+ K8 w7 Z/ }1 l7 l4 x

1. void ai_run(void* input, void* output)
   ! x8 P, t. {+ u8 A1 L, a
2. {
   
3.   ai_i32 nbatch;
   
4.   
   
5.   ai_input[0].data = AI_HANDLE_PTR(input);
   
6.   ai_output[0].data = AI_HANDLE_PTR(output);
   / H1 D# p0 Q2 @. Y# i! C3 z
7.   
   
8.   nbatch = ai_network_run(network_handle, &ai_input[0], &ai_output[0]);
   * r( ~$ ^+ ?" h& t4 a
9.   
   
10.   if (nbatch != 1) {
    
11.         while(1);
    
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 R. y  M' k7 U& L4 r
2. {
   
3.     uint8_t person_flag;
   
4.     int i,j;
   3 u, }  D  @" k. R
5.     for(i=0; i<224; i++)
   
6.         {
   
7.         for(j=0; j<224; j++)
     v& r  _+ G4 B. x1 j5 Y
8.         {
   
9.             uint16_t bg_color = ((uint16_t *)_OV2640->frame->buffer)[i*320 + j];
   ) t- {+ S. ?  i: c" \; e
10.             network_input[3*i*224 + 3*j + 0] = ((bg_color>>11)&0xff)<<3;
    0 h7 x2 N( Y. r" \
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;
    ; X0 `' Y4 J& `7 R9 G. A$ t0 B6 o
13.         }
    
14.         }
    & h2 ^# g: |1 ~! Y# p+ Q
15.     ai_run(network_input, network_output);
    ; t! d( c% Q6 |+ @; q+ _$ ~
16. 
    
17.     LCD_Draw_Image(0, 0, 320, 240, (uint16_t *)_OV2640->frame->buffer);
    - X# F5 H) ^. s/ |
18.     LCD_Draw_String(0, 0, 320, 240, 32, output_labels[network_max()]);
    / \0 j9 ~! m. A+ g
19.    
    7 M2 m* i" S6 X; k
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
21.    
    # R6 e5 j3 G; v% O
22. }

复制代码

运行效果（一共能识别18种食物，这里选了几个看看）

空
9 u1 w# d% v  |6 |
可乐
! `4 N# M* q, y
9 u4 a* q9 A; n) l; V
2 P/ }# X, k; d( ^2 [: g甜甜圈
9 o2 S) Y! U7 d5 I
% K+ h, f/ i, ]- Z' U
汉堡包
4 @4 n" y4 B# s# t+ ?

# w! M1 X. w  M: \4 a, d薯条

$ |' A* K$ e$ u, |5 P

7 A' G- k* ]5 s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。
1 o+ w% m9 R1 R% I

很好
5 z8 z$ Z/ f: N2 s

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