首先我的数据并没有做任何任何的处理,本来我是打算加一个直流滤波的,首先是效果不太好,其次是我都用上机器学习了我为什么还要自己处理数据?机器学习本事的目的就是节约我们的脑子,利用机器来提取特征,而不是我们自己去提取特征(直流偏置本身也是一种特征),就算我的信号有其他的误差,我们可以处理一下提高分辨度,但是!对于机器而言,这些本身就是他的特征,我们只需要告诉机器,哪些特征是对的,哪些特征是错的!; d6 Q7 y3 m1 I4 s1 d, y, ?
% v3 f- ~6 s, r( v2 ]训练模型方面,我们使用MAX30102每10ms采样一次,每128次采样作为一组数据上传。
' z- H3 g; q1 m) }4 a
" c6 r* F" o$ [; \- int i = 0;0 o4 u) ^; @0 B3 X2 N. q7 A
- void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)
5 ]9 {. i* C) g/ x/ h4 H5 } - {
2 z1 \) m' X( J( N8 m- V X - maxim_max30102_read_fifo(&red,&ir);
5 f4 p) K$ s) m" M - printf("%ld ",ir); L; S) @1 p6 J
- i++;
: l# U* l8 q; E, w0 b - if(i==128). O% u( }( _/ c
- {
: }/ z( }) M( Q - i=0;
4 a) ?2 l6 {* r* I - printf("\n");
9 Q7 q; [$ {! Q) M9 L: J - }& M& I/ x8 G) Z* y
- }
复制代码 8 V; F: s9 s* Q3 `2 Q1 F
这里我们不对数据进行任何处理,因为既然我们选择了机器学习就是为了节省我们对于数据的处理,节省对于特征的提取。6 Q6 M! A4 Y( H; c. R
! I' j% [/ R" r' T
模型训练! M+ {) L) ?* v& H- O9 `
我们打开NanoEdge AI Studio,这次的项目我们选择异常检测。% [8 x/ ]! D# f7 ^6 U# C
# I! b; H* _$ }! ]% g( g
. v i; x! \' C! E, p! B+ n9 ~
. A* V7 G [6 w9 I) i3 Z$ S; p
8 z- i. L5 Y* a0 Q3 V6 ]/ q* T
$ a: n) ]& W; [1 T% N2 ?传感器选择通用传感器,轴数为1,芯片型号选择自己所需要的芯片型号。- W* _$ U1 e! _
. W2 Z$ e' E$ y+ @ u7 D, N; L: ^
; I0 }+ O# ~: o6 a- o6 P2 U3 j# u
1 c8 R1 P7 f7 G
Regualr signals 常规数据7 Q1 d6 h* [2 L' f+ j: a
Abnormal signals 异常数据 ^5 v7 j" L$ m
/ v* O& @$ `/ e
我们通过串口(USB)分别导入正常的信号和异常的信号。
: l. n. q% d' C) o
2 e4 H! k( [* u3 t* k$ {
1 b* T) u8 s/ m9 ^$ e+ P
6 M% O& X* Z3 d1 }% r1 m. I
2 @" E5 w3 w0 j- P
0 j8 q) n" L# l数据集尽可能多且广泛并且经典。# a4 J p7 O# W4 Q
% h5 {' ~) w7 j0 M S3 [7 @ q
- d2 n% f5 H Y. t3 k
% Z; `& l/ L. h" Y1 X7 @我们总共导入了两百组信号,这些信号包含了大拇指,中指以及稍微靠前的位置和稍微靠后的位置,保证数据集的范围足够的广泛。
7 l$ n$ ]* f; W4 l4 f B0 D4 ~! u% y
" N: z! v# Y- }7 h, {2 N V j) q; ^3 C7 C4 U$ i
异常信号就非常简单,我们放在那里空置信号,晃动信号这里我放在那里测了总共三百多组(打游戏打忘记了)。
. P, j6 b% I+ Y: W: q, A! ^
! p ^* c; @2 e# M! `然后利用这两组信号进行训练。
6 K: S6 S/ R6 z; c, A; A
& }9 G5 w3 ^* u- @3 N' q
% N0 r& A5 r- }; x! A8 H0 F- e/ q3 D" i! Y1 a' Z
我们将异常信号和正常信号全部选上,之后进行训练。8 w- c b$ O9 [, w" y
* L. H1 Y* t: G
! V; P0 D6 Q/ l Y, e7 [3 m9 i2 O+ G
之后查看训练详情,等待模型训练完成。
" q+ J- y( m3 | c/ `$ [ i1 f& G1 o% O- L% H' k4 U
- J, _9 N( G2 D. r3 ]7 d
6 u/ A2 m& U* s& `: C4 R7 {& S2 i# h
可以看到,训练完的模型无论是准确率还是RAM大小Flash大小,都相当的合适,接下来我们测试一下我们的模型。$ v6 J; m6 r% |
1 {8 g- [3 }% g) {9 ~& A
& {' K/ `2 @4 J, O4 L' w% m
8 z% Y1 }2 {+ l7 L! D
这边可以查看训练过程中的模型。
1 L; e; W% ~3 k6 D8 e
2 P1 d6 S! y, {6 Q% s* p
" u9 w0 f& p( A) O
8 ~8 r7 T S$ c9 [& J验证我们的模型。
: k( W% w* a4 W5 c# {! s! S( D; _, ~$ k/ m% Q% d! X, A
: T* _, t/ _" z9 h7 P% x. F
, u+ \$ J, w3 f这里需要注意的是,我们第一次导入数据会先进行训练,异常检测需要有一个学习环节。" o3 m+ C ~3 S1 a1 V1 ?
: ]+ _( T, O: v! r- r5 [4 A8 l
官方的手册中推荐了至少十组正常数据进行学习。
; _+ S% r, _0 j7 H R) C2 x3 m" v7 t) `% v$ ^$ n" l% J H
7 h; Z8 U4 F- w# h/ I! T" G+ F
$ ~$ B8 V, }1 U5 x0 s B( n: [
我录了21组正常数据进行学习。" ~" A( |/ j' s8 L0 U1 F- Q- B, |: L
% S4 Q* G) j W) Y+ \8 c& j5 a
然后就可以对模型进行验证。, C& ^0 |/ ^/ H- a' v! @2 |# d
1 g/ E3 z2 [2 I# F
D; A; [ y5 M9 t# t3 h
1 j, z; a% W' G( E" q' l; S" M- i$ e% W
部署我们的模型,其中需要他的.a文件和.h文件。
' r! g. L2 ]# [: x# {/ M4 ^) S) u1 ^7 Y& `
4 ~, T4 K7 F z5 _
& J/ k. V4 X9 e3 N
这里我们需要使用CubeIDE来编程。因为这里的.a文件是静态文件,静态文件使用keil编程有点麻烦,需要安装GCC编译器,STM32CubeIDE集成好了可以编译.a文件。
8 A7 l) \; C6 f% {8 y' u
. `' ~0 x) }" Y& W' c; @" _
3 Q- z. n9 b ?- a9 y6 I9 o5 l c$ @
" ]4 }$ T3 r& S7 p! s- I. X; a2 c( d在属性中添加静态库的路径。
4 F ~9 I$ i7 `1 ]. U" |6 c# j6 X; s: j/ P5 l: u+ w6 x; j
& w9 p5 h$ r; F$ s) F" S
3 b) J# D/ h! e& U3 o- e2 W \在库中添加路径,我们的.a文件是libneai.a,这里需要省略lib和后缀.a
, ]. K0 Q0 Q* T* x6 {5 j4 R/ X& E' g2 X ~, x0 [
' o5 Z- i* R! {. @3 ?
% S9 {* e; n v3 m. I) U
导入NanoEdgeAI的库函数。" B& p$ U% D; ^7 I0 p0 D3 |
2 A9 E# R& u, U/ ^$ c7 w
) u& I: X8 x! l; ?
0 h+ Z/ Q( J) ]( @. a4 u5 F3 ?
可以看到这里有三个函数,初始化函数,学习函数以及预测函数。
+ Z! @. Q; W/ E {6 N' _* e' m6 {# _" |4 q/ t4 O
7 e7 O l! r; q- o) U
定义一个枚举变量用来存放标志位。* N& P/ w r) N5 Y! V
- MyState = neai_anomalydetection_init();//初始化
复制代码 7 V. _+ a0 v4 L. L( S) Q. J
初始化我们的模型。6 K- W" B" ^6 B& U
- float IRD[128];
6 I5 F+ [+ M1 m" R - int i = 0;
3 L7 o7 {1 ? C. b; K: S - int LeranTime= 0;
/ [4 H! c& N; T4 p6 Q - void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)
0 l5 R6 |9 X3 k3 N' j - {3 M2 w: X7 u- u
- uint8_t yuce;
" S6 f! R( Z8 _, A7 w$ [0 B7 `# N7 G - maxim_max30102_read_fifo(&red,&ir);
( ?, ^- F7 E' _ r - IRD[i] = ir; E4 l e4 m+ J- w3 R- E
- i++;
6 R- u9 K( X; I! @# {9 ^ - 1 V/ ]) ~4 f; P! m7 l" m
- if(i==128)
" j( N& f, R% \9 s2 H - {
; P" s; k% i' g, ~: }, T! v& X - if(LeranTime<10)
6 ?+ e, z" w# ~0 ]" _/ U. | - {7 G# W- R) @0 s. F% R* \) n
- HAL_GPIO_TogglePin(GPIOF, GPIO_PIN_9);//LED翻转* N$ I8 H) f: u2 L& V% L: I
- neai_anomalydetection_learn(IRD);
" ^; U5 M! Q% J" s; T1 C8 S$ I5 f - }
* Q+ V1 r/ l) y1 @$ Q - else
( e+ y% N6 y# [' a) J0 Z& E - {
% F( u5 a# y5 W* b3 Y. B3 g - neai_anomalydetection_detect(IRD, &yuce);
1 G6 @- O( M# ]! b& | - if(yuce>80)
8 n% l7 f% c* H/ L3 l7 g - {
- |$ m3 D2 M* p- q r - HAL_GPIO_WritePin(GPIOF, GPIO_PIN_10, 1);, A' d! g% u4 \
- }2 g) x/ L; z1 R0 \' j
- else
5 D- `" Q0 b* q( N - {+ S/ P) E K) |( x* t& n
- HAL_GPIO_WritePin(GPIOF, GPIO_PIN_10, 0);: F) c- @+ ~7 @/ a& x' l+ H
- }
2 e: [' Q4 A2 o& U1 b2 l& N0 V, \, P- x - }
' X( K) d$ p# }, Y - LeranTime++; ]" s7 `7 @$ i( z) X b
- i = 0;
' x4 ?8 m1 p' h$ U6 K# T - }' @' Q+ u) ~ @4 A' s: v
- }
复制代码
" _8 O; b- b0 \* X. M
; P8 `/ P8 ~9 ^) {! b$ k0 O0 i我们在定时器回调函数中调用,上电之后前十次为学习阶段,之后对测量值进行预测,当预期值>80即认为状态正常,则灯灭。
0 K& f; Y0 s; F* y" y( A# c如果预期值<80则报警灯想起。
1 }9 y+ _3 U& k: D l9 y: c" L3 N$ r# E3 v/ X7 m6 M1 `2 O
; K# G- O/ N' h, r, }$ L! V s+ O4 `
转载自:电路小白" |; z, q# X" X1 l5 R( D* q
如有侵权请联系删除
R' l- s8 [# e9 `6 N
$ v# {. W) b }/ Z L& w; ]1 @: k& f
) g( U; u8 A- U. H1 t/ ~6 H9 Q |