基于STM32用机器学习实现心率异常检测经验分享

[复制链接]

攻城狮Melo 发布时间：2024-5-25 17:10

技术帖
文章封面:
文章简介:	STM32中用机器学习实现正确率99.95%的心率异常检测！STM32机器学习实例：心率检测！简单的小实例，却是迈向新领域的步伐

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！

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。

int i = 0;; s% b- }: R8 d8 r
void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)- P5 R: n2 h' Q3 J3 B
{
% _6 i/ _/ T. j ]4 J' m& v* `
maxim_max30102_read_fifo(&red,&ir);( ?& k& J2 U" L, }* x
printf("%ld ",ir);
. T. P) @0 A9 v. {4 K
i++;4 A# U: R1 V) \$ a8 u2 ?& [
if(i==128)& h7 l' t& ?9 w) ]4 I. H. ?# Y. {
{1 r( M. T) f2 F, G. J
i=0;
- y1 V9 G2 H( u& \
printf("\n");2 O' }* ?9 S4 e2 Y5 \8 j' x g
}1 w' D4 ]' ]' X, h
}

复制代码

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。

模型训练
我们打开NanoEdge AI Studio,这次的项目我们选择异常检测。

微信图片_20240525170819.png

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。

微信图片_20240525170825.png

Regualr signals 常规数据
Abnormal signals 异常数据

我们通过串口（USB）分别导入正常的信号和异常的信号。

微信图片_20240525170827.png

数据集尽可能多且广泛并且经典。

微信图片_20240525170833.png

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。

微信图片_20240525170836.png

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）。

然后利用这两组信号进行训练。

微信图片_20240525170838.png

我们将异常信号和正常信号全部选上，之后进行训练。

微信图片_20240525170841.png

之后查看训练详情，等待模型训练完成。

微信图片_20240525170846.png

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。

微信图片_20240525170849.png

这边可以查看训练过程中的模型。

微信图片_20240525170852.png

验证我们的模型。

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。

官方的手册中推荐了至少十组正常数据进行学习。

微信图片_20240525170858.png

我录了21组正常数据进行学习。

然后就可以对模型进行验证。

微信图片_20240525170901.png

部署我们的模型，其中需要他的.a文件和.h文件。

微信图片_20240525170904.png

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。

微信图片_20240525170906.png

在属性中添加静态库的路径。

微信图片_20240525170909.png

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

微信图片_20240525170913.png

导入NanoEdgeAI的库函数。

微信图片_20240525170922.png

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。

enum neai_state MyState;

复制代码

定义一个枚举变量用来存放标志位。

MyState = neai_anomalydetection_init();//初始化

复制代码

初始化我们的模型。

float IRD[128];- }2 l/ W2 z" w4 s k7 r
int i = 0;
8 M) l. S! z) n0 ]0 i
int LeranTime= 0;
/ S" S; |* x2 q! L8 @! A% ^ ?
void HAL_TIM_PeriodElapsedCallback(TIM_HandleTypeDef *htim)
2 M+ E: u, B1 l* s' I
{: v1 ~% y; D- q4 ^# y
uint8_t yuce;$ y' F9 ? W8 l, @- U6 ?
maxim_max30102_read_fifo(&red,&ir);
$ }3 L9 d# k- E7 O* [
IRD[i] = ir;# A D O; N$ B/ L4 J
i++;4 h1 Z+ p5 r* B% X) k# {
( |" I, l0 ~" j: L! T4 z" A
if(i==128)) p/ B1 J7 ]- t+ T/ X
{, a, z; `8 K' ^+ _8 r- h+ x# E( j
if(LeranTime<10)
. Y5 H$ r0 A8 U
{# N! J2 L9 J! x; g" C- P& N
HAL_GPIO_TogglePin(GPIOF, GPIO_PIN_9);//LED翻转9 n) y& d' k% ]+ |5 |/ o+ t5 _
neai_anomalydetection_learn(IRD);- K1 f3 a: H7 ]' f/ a/ T5 `
}2 v; [5 B% g# }8 L5 a& C
else3 o; b, i) ]. U
{! @, ?: r4 w9 A. _' a% V" {2 V8 D
neai_anomalydetection_detect(IRD, &yuce);9 }' `" A" U6 F& C$ `
if(yuce>80)- E- ~ c! E; c# Q/ R
{* T6 b# R% P: W C7 o6 n
HAL_GPIO_WritePin(GPIOF, GPIO_PIN_10, 1);2 s7 z" \7 D( y$ }# X' |! Y# w
}
0 b* D9 ^* l7 j
else
9 o! ~( v- j- |, f( t; e
{
! Y3 Q5 ]1 _$ a7 H5 e# u
HAL_GPIO_WritePin(GPIOF, GPIO_PIN_10, 0);$ ~; r+ G# f- I4 @! K9 Q( E
}
$ v4 t0 `( t6 h7 X# g& J
}+ j. P& o: b1 k/ M
LeranTime++;3 X1 b4 X* D+ w8 {3 a
i = 0;3 q, X/ j: d* j8 A# u# c6 l) L
}
5 v% b7 n# n6 C
}