用该传感器判断是食指还是中指还是其他指头。

# a! f3 l1 `- k- _6 Z8 T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。
小拇指
大拇指
9 e/ B. g8 g. |3 |5 g; ]. e9 D! B; o" f中指（后来用了食指方便）
2 X, M7 x; G" `. f3 M" |没有指头（空置）
( H7 {. O& U2 o- X9 R- I
9 F- U% X4 \  K; a* S9 h9 d因此我们利用多分类神经网络来实现判断功能。
6 T  Q; d# f1 W3 @) V: z' m

1. 
   
2. int i = 0;
   
3. void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)
   
4. {
   4 Q/ O6 u/ Q$ c( r; r: \4 o
5.     maxim_max30102_read_fifo(&red,&ir);
   & x, [% `5 T/ m, g
6.     printf("%ld ",ir);
   
7.     i++;
   ; N; e/ E5 T7 z/ s1 r2 Z1 C# c
8.     if(i==128)
   
9.     {
   ' }7 b- Z# M+ i* Z; |8 `8 B" e4 W  Z
10.       i=0;
    0 m9 c) y8 p" m+ X
11.       printf("\n");
    
12.     }
    & U: v: l) m" k
13. }

复制代码

( G% o  R+ j) }信号的输入部分则和上期一样，100HZ的采样率，128的采样长度。
0 N$ O2 w* ?1 G9 N


创建一个n-Class n分类神经网络。

4 c$ E0 [7 @- S! [2 P

/ t& _4 ~6 Z3 b. O其他设置都和上期的保持一样，使用通用一轴传感器。


( Y* v- t* t4 J" e  g3 x9 A
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）
" L3 G: v3 s; }3 J8 h

( N" j; b# Z. U/ p9 e' @
+ B7 [" u( d0 s. s0 m, S& h! b4 ]) [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。
1 n; J  m  M+ h( @7 H5 G: D
# Z/ h9 u% [+ P& T2 V8 D
7 a) I) d. J7 K/ N+ i: @3 r( r6 C
$ B$ r9 m* Z+ p8 O$ d% k1 Y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)。
' n, ~/ z( l) ?  E


训练好我们的模型，这里可以关注各指标。
/ {7 w0 U9 Y" }: n' ?
6 N2 R! K% I( D7 U9 l& Y7 A: @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。
: G, ~4 F7 W8 ?+ B1 V

3 {% T! R& c* v* X. h# i0 K- D1 G
7 o" b" Q! ~- Q2 J9 S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。
2 K* E( U  D$ h2 X6 t" b0 F3 Q
/ j& d( ~' V; m5 a9 V
) S3 Z4 D4 y! Y* G- H% L& ~
这里我们需要libneai.a以及两个.h文件

/ R3 @9 Y- g( Z; tSTM32中用机器学习实现正确率99.95%的心率异常检测！
* D$ y  G) J7 B# N3 r: M% u0 L
怎么导入文件请查看这篇文章。

& p, P+ l: _" U+ {& q# I
9 R  T* _; d& \! C  ^8 E+ f
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。
6 L# V: m- F( h3 g
$ a+ }0 U9 i+ n4 E

1. neai_classification_init(knowledge);

复制代码

! h3 l3 x; N; G, N+ U* p& U初始化的时候，需要以这个数组为参数。
6 y, C: W* W: e0 E
之后我们在定时器中，采集到128个数据之后进行预测。
- m& t# \2 h/ y. \
$ [: U6 q' B  U4 q9 O3 Q

1. float IRD[128];
   4 [; d, k9 H9 o: ]7 ~8 g( ^
2. int i = 0;
   
3. int LeranTime= 0;
   3 L9 c5 \- ?# z- N
4. const char *id2class[CLASS_NUMBER + 1] = { // Buffer for mapping class id to class name
   
5.   "unknown",
   - A+ h& A) E6 i1 c
6.   "zhongzhi",
   0 R4 n' V7 T2 y+ @1 e2 ~
7.   "Error",
   : I" {# ]" r  b8 K! y  ~9 V
8.   "xiaomuzhi2",
     b# z8 l: ]5 |) E9 ], [
9.   "damuzhi",
   
10. };
    
11. float Output[4];
    0 Y- A! l# P' g3 @& D
12. void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)
    
13. {
    
14.     uint16_t yuce;
    % N5 F+ R0 i, W
15.     maxim_max30102_read_fifo(&red,&ir);
    
16.     IRD = ir;
    
17.     i++;
    % G* ^) S0 ]5 q- F$ v) r
18.     //printf("%d ",ir);
    8 h/ @1 u, z: E
19.     if(i==128)
    
20.     {
    ! O) X, Y- T& e) F9 a) n3 [
21. 
    / E5 i" P5 g! \; S' k# f
22. 
    " L0 ~; U* H# ~
23.       neai_classification(IRD,Output,&yuce);
    
24. 
    
25. 
    3 H7 P0 \* F4 ]3 [0 N* P3 N5 f
26.       printf("\n\n\n");
    " n: N2 r# t3 ~. ?1 ~
27.       printf("zhongzhi:%.2f\r\n",Output[0]);
    
28.       printf("Error:%.2f\r\n",Output[1]);
    
29.       printf("xiaomuzhi:%.2f\r\n",Output[2]);
    
30.       printf("damuzhi:%.2f\r\n",Output[3]);
    0 u8 U  n. n  ]% `/ z9 K. o  o7 ?
31.       LeranTime++;
    
32.       i = 0;
    
33.     }
    
34. }

复制代码

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。

1 w" [' x1 L$ N! Z& b

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。

8 W/ B& z/ t7 V4 ]) A
, C& Z  `7 @8 _9 @" h: x1 {) t
3 Q% O7 l8 C) r3 E; C( a7 `当我们放上中指的时候，检测到中指的概率是最大的。
2 Y4 L- D# B& i) G
, O+ f$ K6 c" E9 {+ \; b' j
# `$ i6 ]: E" L" x  `& {. }/ I
8 {2 _4 O* }. d6 P9 M5 \& M小拇指也是可以正常的检测。

- j3 q" |# o9 w* t# ]

转载自：电路小白
( p; j- K" {  N- L5 V0 I( X* z如有侵权请联系删除
6 P# g3 o. }. c: ?


0 K0 n' L6 t  w' D8 O  B/ P
5 Z  A: {+ U8 ?& p' @