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
( J2 d. Z/ g# ]0 l
0 c: R8 X+ w9 j; l" ]) b: e
, @! K2 @" B1 K- p+ P$ w
2 t0 z- t0 a; D7 ~  ^# e
( ^$ C: \0 i9 w  ^+ ?2 |! Y$ l在X-CUBE-AI行下core勾选，点OK完成


) i# Z3 @  }! p# ~8 t8 l4 a
. |$ B$ G1 q; X) F: d回到引脚配置页面，最下方就是上面导入的CUBE-AI工具包
2 _3 @4 @  [, E1 s7 A3 V& L, ~
3 U+ B8 @% t0 k* h. _; Q


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
, x9 r4 D& w, j+ E. ^1 P8 ?/ Z

7 e) E6 n$ |2 Z  ~3 ^$ q2 S/ }* Y- Z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
( Q7 ?  v+ M: l6 d% K; P1 q( S

分析中
4 U5 s$ u& [3 @+ q: s) m9 {( R% y

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


5 u5 n! }! I; T" l' D" a6 U

: z5 H& N* E) r% @5 n+ a( @右键文件打开设置，修改一下路径就行

5 N7 |. l- s8 l# Q: _( R6 C
/ S, d6 R  W" O4 L
3 ?1 z. h' H4 ]6 x6 r' c- x头文件路径也有一样的问题
0 O( v3 t7 o6 `# }/ n1 ]

初始化模型

1. ai_handle ai_init(void)
   1 N0 I$ R0 u+ N+ d9 h
2. {
   & {9 Y& G+ Y+ ^& ^% {; k2 t
3.   network_handle = AI_HANDLE_NULL;
   
4. 
   
5.   /* Creating the network */
   2 z4 K- X: @& ?$ O& P4 W
6.   ai_network_create(&network_handle, AI_NETWORK_DATA_CONFIG);
   # s+ o& u& n* M% L
7. 
   9 B1 K& v8 F! g4 S
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.   );
    ( J7 h  `8 {% i
13. 
    
14.   /* Initializing the network */
    
15.   ai_network_init(network_handle, ¶ms);
    
16.   
    ! u* @# M/ j; g+ [5 d! B! F# h
17.   /*Retrieve network descriptor*/
    
18.   ai_network_get_info(network_handle, &desc_report);
    : \( m+ @) t4 K& v6 i& a1 H+ m9 h
19.   
    
20.   /*Copy descriptor info*/
    
21.   ai_input[0]= desc_report.inputs[0];
    
22.   ai_output[0]= desc_report.outputs[0];
    
23.   
    
24.   return desc_report.inputs->data;
    4 a  O8 w+ t; S5 r+ o
25. }

复制代码

# m" c% g8 q; q0 i1 h运行模型
) R. f5 b0 N: `* S9 n

1. void ai_run(void* input, void* output)
   
2. {
   
3.   ai_i32 nbatch;
   
4.   
   
5.   ai_input[0].data = AI_HANDLE_PTR(input);
   ) y. g3 D: [% m/ y! i. E5 X% H
6.   ai_output[0].data = AI_HANDLE_PTR(output);
   " }9 J7 I  w- w
7.   
   6 Y( c7 @9 W, M; N
8.   nbatch = ai_network_run(network_handle, &ai_input[0], &ai_output[0]);
     X. C5 e4 u$ W4 I
9.   
   
10.   if (nbatch != 1) {
    
11.         while(1);
    
12.   }
    . ], S+ n: x, K$ h! P
13. }

复制代码

- {9 T4 t! X  h+ c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。
* v' o$ o$ R! f4 u: {4 P

1. void HAL_DCMI_FrameEventCallback(DCMI_HandleTypeDef *hdcmi)
   
2. {
   
3.     uint8_t person_flag;
   2 h4 L6 f# }* ^) g1 y, H, F
4.     int i,j;
   
5.     for(i=0; i<224; i++)
   % c6 |( @/ o; N4 V" V
6.         {
   
7.         for(j=0; j<224; j++)
   
8.         {
   
9.             uint16_t bg_color = ((uint16_t *)_OV2640->frame->buffer)[i*320 + j];
   , ?& h2 N$ g6 p* \. T* ~
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;
    ) s9 n6 A! ]# n4 v  z, I% Q
13.         }
    
14.         }
    
15.     ai_run(network_input, network_output);
    
16. 
    " ^7 a5 l0 s( h. }+ A
17.     LCD_Draw_Image(0, 0, 320, 240, (uint16_t *)_OV2640->frame->buffer);
    , i  `) Q0 |1 J% a* L2 ?
18.     LCD_Draw_String(0, 0, 320, 240, 32, output_labels[network_max()]);
    8 _+ n$ w1 _3 A; h' W8 w7 u! y2 L
19.    
    
20.     OV2640_DMA_Config(_OV2640->frame->buffer, (_OV2640->frame->length)/4);
    
21.    
    0 e8 q, v# @+ K  {0 f% b' Z
22. }

复制代码

6 {  w' s8 O; _* K6 s3 F运行效果（一共能识别18种食物，这里选了几个看看）
: F$ P5 h: C% x2 ^
空
3 @1 `% e4 @% u' D, V: S1 H- j
可乐


: G& J% q7 a5 w( s. ~甜甜圈
2 C8 `  J0 @% y' _5 T4 e3 K

汉堡包
4 a. E8 q) ]2 C1 o& z

+ V+ s- N/ m: s' c: O% E薯条
' O. l1 i, w/ g' ?- 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）
; n8 K# x7 Y  g! H0 ?  j: zWio 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