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
* o5 z+ x- f6 M0 q
' `0 y8 l* Q, ]" Z* ?( K& n- u, I
8 a4 i' H0 C( D+ q

% j4 y& e) |4 ~6 a) i& O在X-CUBE-AI行下core勾选，点OK完成

' D  I  [6 ^- G6 }6 m; o! |4 O7 W* h
7 E: A) c: p% ]. [9 G3 |  S
回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包

; T0 [) {. ^' [% u2 D
2 w9 h3 U) b. ]* I4 z+ F

" B; C2 d  G  C! b% x$ p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


+ c9 {. r5 X9 Q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
8 a! e' C# ]1 i  K

分析中

% H" Z: u2 M$ `; o9 T( b
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。
5 P  \  L( z& u* ^8 f2 b2 ^  x+ |

2 C3 S: ^* N$ }( o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 U/ F: I( j6 s5 o: K1 b
+ a) W4 O9 C7 i) ^0 Z' x; B


右键文件打开设置，修改一下路径就行


6 s# X" d/ c9 E: ~7 d
* B$ z4 w* Y- g7 c# C, J! x头文件路径也有一样的问题

7 ^+ X6 k8 j2 E+ j" |  s
9 D# b6 z$ E9 C; @! F初始化模型

1. ai_handle ai_init(void)
   9 U% h& x7 ^6 H" Z% r' J# _2 Y& Y
2. {
   % d1 f4 X% o* T4 z# V
3.   network_handle = AI_HANDLE_NULL;
   ! a1 r: E5 _3 d5 F& V4 A
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 O, {  ~- c9 ?4 T0 G7 K" _
9.   const ai_network_params params = AI_NETWORK_PARAMS_INIT(
   / ^" O3 ?& N: n2 M- x
10.     AI_NETWORK_DATA_WEIGHTS(ai_network_data_weights_get()),
    8 B5 \+ _& b% Y; k, l
11.     AI_NETWORK_DATA_ACTIVATIONS(activations)
    
12.   );
    
13. 
    ) |/ f# O$ L0 F
14.   /* Initializing the network */
    
15.   ai_network_init(network_handle, ¶ms);
    
16.   
    % J, k3 f. v/ t7 F: q
17.   /*Retrieve network descriptor*/
    
18.   ai_network_get_info(network_handle, &desc_report);
    
19.   
    2 n% |1 s4 [+ H
20.   /*Copy descriptor info*/
    
21.   ai_input[0]= desc_report.inputs[0];
    
22.   ai_output[0]= desc_report.outputs[0];
    , A, B: [0 G' K$ s6 x& k
23.   
    * Y& ^) {: z% H$ W7 p+ Y
24.   return desc_report.inputs->data;
    3 L7 k5 Q0 n  d8 U2 _1 C
25. }

复制代码

6 `: ~$ ^! n; ?2 o$ @1 G运行模型

1. void ai_run(void* input, void* output)
   + }1 U- w" B, j, Z6 F% b& V- G2 n
2. {
   9 W1 F( s$ K' h  S6 Y& Q2 n
3.   ai_i32 nbatch;
   
4.   
   - y* F0 z+ J2 h& Z& c- v
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.   
   
10.   if (nbatch != 1) {
    8 k. T( s* B$ Q. ?9 t% l
11.         while(1);
    1 I/ P) x7 @5 x5 }4 `; T! s
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. {
   
3.     uint8_t person_flag;
   
4.     int i,j;
   
5.     for(i=0; i<224; i++)
   
6.         {
   
7.         for(j=0; j<224; j++)
   
8.         {
   , O4 W3 N: E! Q; w2 l1 |. y6 a) y
9.             uint16_t bg_color = ((uint16_t *)_OV2640->frame->buffer)[i*320 + j];
   : X/ K% y; i: A' U& L) h9 E
10.             network_input[3*i*224 + 3*j + 0] = ((bg_color>>11)&0xff)<<3;
    ( Y* n+ T2 O+ O( R" c$ g
11.             network_input[3*i*224 + 3*j + 1] = ((bg_color>>5)&0x3f)<<2;
    . t- R' X5 S$ e$ H+ X' q- e
12.             network_input[3*i*224 + 3*j + 2] = (bg_color&0x1f)<<2;
    : X) {# Q( K* I0 F6 r8 D( }
13.         }
    ( I: u: u$ K2 N7 L( O# Q1 i
14.         }
    
15.     ai_run(network_input, network_output);
    
16. 
      d( T1 j; c- v$ i
17.     LCD_Draw_Image(0, 0, 320, 240, (uint16_t *)_OV2640->frame->buffer);
    3 g. f3 C% q. }# l; ~
18.     LCD_Draw_String(0, 0, 320, 240, 32, output_labels[network_max()]);
    7 M3 a' P7 Z2 Y6 D4 @
19.    
    7 `3 E5 @9 Z& i. D$ _7 w9 ^
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
21.    
    3 e. c2 t- O' L. A2 {
22. }

复制代码

/ M$ s+ h% u0 v1 ^; Z
运行效果（一共能识别18种食物，这里选了几个看看）

空

" Y5 }) Q4 H" t+ y7 X可乐

0 `4 h$ Y1 k" e( `: @6 [8 D4 O
甜甜圈


& A" h& F/ D- m  t3 x汉堡包

" W( k) m# j( `; Y( A# l$ L4 r
- H* A' C5 e9 R3 T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）
4 t: b/ ?2 n5 X7 pWio 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 a3 z! i& i  l( c- b$ a1 b% I

很好
3 h! z" U! G/ a* ]* H

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