你的浏览器版本过低,可能导致网站不能正常访问!
为了你能正常使用网站功能,请使用这些浏览器。

基于STM32上的机器学习实例经验分享

[复制链接]
攻城狮Melo 发布时间:2024-5-25 16:55
用该传感器判断是食指还是中指还是其他指头。
* `( E0 N& l+ g" F
) ]- D0 t4 K1 r
对于我们的三个指头(5个也好)本质上是一种多分类网络问题,我们将输入信号划分成不同的分类。
# W) s. @; ]+ |1 ?  }小拇指
2 Z. }; U1 K, n! a1 y( u大拇指
: N" [0 }+ l' n5 X中指(后来用了食指方便)
( x4 {* C+ d9 o0 V没有指头(空置)
: [, Z" I  }% }" a
! u: ~. i% M5 j8 k; `5 q3 ^
因此我们利用多分类神经网络来实现判断功能。
: a, k2 D9 Z! h  F7 ]' n% N9 Q
, P" z$ j# C" n5 q) `% r/ Z" [

  1. 1 L6 I' W+ M, }# p' Y5 m, u( _2 V7 z) {
  2. int i = 0;: u% P- g. o2 E4 G
  3. void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)
    9 ]3 {) Q. Q7 Z0 F
  4. {
    - O. B5 u8 Z& v0 z' [1 u
  5.     maxim_max30102_read_fifo(&red,&ir);
    6 @0 i' S7 I; M# a6 U1 ?& s
  6.     printf("%ld ",ir);
    # t9 S3 r; F% ~% F1 X, _; |5 w: p
  7.     i++;& H! i. \- |* Q+ J0 H# }" J
  8.     if(i==128)1 K3 x; S* F, i' k3 N( A- q+ E- F
  9.     {
    3 x3 _+ Y+ g* {' i$ I
  10.       i=0;
    % h  p+ \8 B9 i/ N1 ?
  11.       printf("\n");3 F, t" d5 R1 ~5 t; K! C- ~
  12.     }" n0 i, o2 W: ]  X8 j
  13. }
复制代码

& F' G5 l' d9 ~  g信号的输入部分则和上期一样,100HZ的采样率,128的采样长度。
  j. ]" t0 ^5 R% g9 T  D6 Q! K: j9 Y" d5 t9 d4 l9 ^' z
微信图片_20240525165450.png " D* I9 q* f) T8 x9 z9 }1 R

% Y) ]% v' Y6 U创建一个n-Class n分类神经网络。
' t0 F: Y5 g1 b9 M6 ~
- n* F7 H* k- \$ ~  M 微信图片_20240525165446.png
2 Z; O+ D5 q4 S. @/ S/ k. D
8 ]0 ^& ^& y. P& k0 A6 L) C
其他设置都和上期的保持一样,使用通用一轴传感器。
! x6 q# Q# q% W/ X7 V
1 r% l8 Z; o1 e  A& ^ 微信图片_20240525165441.png   T$ d, F& c  I
: `$ y2 P' c$ m
但是信号输入的地方,我们利用串口导入各个类别的数据(这里是不同的指头)
* b) B" D! V6 Z* e" n5 }5 {" i! K8 \) O5 s/ t$ }- _9 [! _
微信图片_20240525165438.png
* p+ [+ e; N- ~# B0 H  Z9 ]$ l

- X, D+ O9 L' [+ E3 `, j6 B3 n- [# G需要注意的是,这里的标签即代表着我们的分类,不像之前那样子可以一个类别下面可以使用多组数据。
  X& f7 ~  y- S1 G9 W
' p. f5 [7 Q4 V- Q 微信图片_20240525165433.png / I( j7 A( w/ O& c0 e% f8 U8 i. N

, j1 i( W- n6 I# t+ h训练我们的模型,这里可以选择我们的分类(其实这里我觉得要是把某组数据能添加到某个分类就好了,这里让我研究一下)。  J& Z& }1 F4 O' ?  \2 ^" D
+ D1 e# N3 ?. O9 u' X4 H3 Z
微信图片_20240525165429.png
8 P! x* u, M0 X, S

% X( d" T3 k4 J3 q0 Q训练好我们的模型,这里可以关注各指标。
) A. P' F) S  ^1 m7 T) J. P; A. f/ R9 ]& m
接着就是验证我们的模型,验证的过程可以参考文章开头的视频。7 e, L9 N) S- x3 w- W) ^* V: U
* z2 B' ^: [% R/ [4 j
微信图片_20240525165426.png
1 Z" ~4 }# p" S/ X, l
" X8 w) I2 U& F8 B  [8 Q6 h
部署完我们的模型之后,查看生成的.ZIP文件,其中相比于异常识别多了一个knowledge的头文件。; B7 D8 j1 r' }4 \* T
* n' d1 X# R9 V7 {! P& z
微信图片_20240525165423.png 4 G! n8 _" O7 x1 b$ \' K

: W8 X3 i' g2 m5 S+ f/ j这里我们需要libneai.a以及两个.h文件
$ l, a7 H9 X4 d9 ~. [, {8 @8 ^) u: f1 a# m: T; N
STM32中用机器学习实现正确率99.95%的心率异常检测!( {0 `( \- T( o( j$ v) W/ P3 {  W
& n, s2 T+ _5 _5 F5 W
怎么导入文件请查看这篇文章。
3 _' N3 r/ Y( `% G7 W. w' b+ G" t
" h1 b( o4 j* i5 |' ` 微信图片_20240525165420.png 8 A+ i8 H/ j  c4 J
9 C6 R( U7 w* l! L& Z$ ^
初始化函数中,我们需要导入一个数组,这个数组就定义在knowledge.h这个文件中。+ c7 z2 j' o6 r1 W6 Y2 [
7 I5 `: I- m% ], T3 v5 D# ?( |
微信图片_20240525165416.png
% e/ m; D3 a4 J+ s
# |; k( b7 w4 ~6 `9 M1 R
  1. neai_classification_init(knowledge);
复制代码

1 @# v0 X: x2 d* {初始化的时候,需要以这个数组为参数。  l7 H9 S# L. Y% O

2 u5 Y/ @  i+ o! i
之后我们在定时器中,采集到128个数据之后进行预测。
/ R$ D8 Q) N8 C- j/ `
6 Y  ^1 ^* F7 Q' k8 U. q& W2 z
  1. float IRD[128];3 Z( w6 C, v+ i, Z
  2. int i = 0;) q3 X7 S- e6 m& ?3 S7 k9 A
  3. int LeranTime= 0;
    + d& Q8 Y0 |4 C# O9 z0 F; S3 q
  4. const char *id2class[CLASS_NUMBER + 1] = { // Buffer for mapping class id to class name
    1 a: I/ p& n* n. C+ z& r, A
  5.   "unknown",
    , [# t# c$ ^; [& n0 |5 G
  6.   "zhongzhi",- U1 J  B5 o. U" Q
  7.   "Error",! R' }( h' o  c- R9 J
  8.   "xiaomuzhi2",. O$ U8 s6 z% e. M5 p8 s
  9.   "damuzhi",
    ' m& A6 A7 j& L' I
  10. };) J/ }8 x/ [4 k1 ]2 m
  11. float Output[4];& |2 I4 T/ d' h# H; }2 |
  12. void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)
    * t" d6 _' o% R& |/ R: F: z  h
  13. {1 T/ W- s3 y( n' f: S1 Q# E" Q  F
  14.     uint16_t yuce;7 J8 i! p1 x+ E: L$ b
  15.     maxim_max30102_read_fifo(&red,&ir);  [# g6 t! ^; S7 z1 R: o/ a3 p
  16.     IRD = ir;
    1 k* ^/ q" N: W+ X* z$ }
  17.     i++;) Y* _+ t5 i+ G8 _  e3 S* ]5 p
  18.     //printf("%d ",ir);
    - }( T" u: l0 Q) A- N+ u
  19.     if(i==128)
    ' P# q( r' v$ I+ w* P) h( M
  20.     {
      }7 V; {& U# U6 D3 z8 S( R( @* D, e  I

  21. 9 T- Y. Q- E9 M# B. @+ v

  22. / b1 x, T" o2 D/ c* h+ U8 |
  23.       neai_classification(IRD,Output,&yuce);, W' I* B0 D6 X7 V- [& E( P! Y4 W/ |/ g

  24. 8 |3 Q/ w# ~) }' g1 i% R
  25. " Q* f6 C2 H6 t, K
  26.       printf("\n\n\n");
    2 \, ~8 N6 Q( b; H
  27.       printf("zhongzhi:%.2f\r\n",Output[0]);
    6 p  @$ P8 B7 I0 Y5 l* h  @
  28.       printf("Error:%.2f\r\n",Output[1]);
    4 \7 A: Q; g% J6 W3 S
  29.       printf("xiaomuzhi:%.2f\r\n",Output[2]);; @8 @4 Q, d# f  R2 o- l
  30.       printf("damuzhi:%.2f\r\n",Output[3]);% K) q5 }- m; S# A. E
  31.       LeranTime++;
      @: W4 U1 o# @7 `- s4 [
  32.       i = 0;* S* g% M  p% u; `( L& y0 E
  33.     }) x, a. f) a+ \6 p4 w$ m4 ?
  34. }
复制代码

  ~6 p* c7 e+ S. `3 l6 T这里的 预测函数有三个参数,第一个参数是输入数组,第二参数是输出数组,输出数组中包含着对于各个分类的参数预测值,第三个参数输入一个指针,这个指针会指向预测最大值的索引。4 ~' V  C1 x- K: Q" t- d* d. N
$ _- D+ Q( S" Y( s
微信图片_20240525165413.png + T6 I2 f( u  d/ ^0 N5 P; `5 G' M
' z" f1 I$ Z. H2 r% I' h
烧入我们的代码,可以看到,空置的时候,Error的预测值是最大的。
5 z6 O, N# T! m9 m) k
) t" w. I, |) ?9 I% Y- Y
微信图片_20240525165410.png
7 T9 j0 R4 B0 ]% n/ _5 q( A, D
1 n# ~3 s$ {2 X' K
当我们放上中指的时候,检测到中指的概率是最大的。" I0 Q! h4 [7 x0 |$ `1 W
! `* T: P% [5 j6 v% `
微信图片_20240525165405.png
8 f" q1 R( y& D  b0 e, V' i& b
% r  B5 \4 R" B6 b5 s
小拇指也是可以正常的检测。) E' x, a; T/ d$ Y: s
7 k) ]0 N; b. q! P# S* u6 U

8 i; L2 R9 b; A$ @: E3 W4 [/ }1 X9 I, I$ r' ?# Z
转载自:电路小白
4 E$ Z% t( V$ B9 X) K如有侵权请联系删除
) A4 h  g% _1 f+ X" T0 q
7 \  h4 V' Q1 d% k1 M. n: k6 J
6 P& `3 I* R7 t/ c) v5 A0 C
# J: U1 T4 x6 V5 L7 Z8 n/ M
$ T6 [/ l5 N0 U: p6 @% n
赞 收藏 评论0 发布时间:2024-5-25 16:55

举报

0个回答

所属标签

相似技术帖

官网相关资源

关于
我们是谁
投资者关系
意法半导体可持续发展举措
创新与技术
意法半导体官网
联系我们
联系ST分支机构
寻找销售人员和分销渠道
社区
媒体中心
活动与培训
隐私策略
隐私策略
Cookies管理
行使您的权利
官方最新发布
人形机器人运动控制、感知与智能配电
半导体创新技术与应用方向
EE架构与软件定义汽车
12V/48V 汽车智能配电(SPD)
区域控制单元(ZCU)与分区架构
关注我们
st-img 微信公众号
st-img 手机版