都AI时代了，咱MCU不上AI有点说不过去了，这就来学习一下stm32的边沿计算AI。

一.配置软件工程&训练

这里就不讲诉软件的下载安装及license的申请了。打开软件后主界面如上所示，可生成四种类型的库：异常检测、异常值检测、分类和回归库。

这里就演示创建一个异常检测的工程。创建之后可以看到需要设置硬件条件，目标板及传感器配置。

可选的目标板也是非常多的，基本涵盖可用的arm mcu了。

我们手上的目标板是STEVAL-STWINKT1B，那就直接选择STEVAL-STWINKT1B，会自动更新硬件资源，配置好传感器之后就可以点击下一步。

二.数据采集工程搭建

上一节讲到第三种方法这里就不再重复了，可以查看教程如何将dat文件转成csv文件导入到。这里我们来尝试第二种方法，直接通过串口来采集数据。

参考[https://github.com/stm32-hotspot/stm32ai-nanoedge-datalogger]() 下载nanoedge-datalogger源码

选择对应的工程Projects\STEVAL-STWINKT1B\STEVAL-STWINKT1B_ISM330DHCX，使用stm32cubemx打开后生成工程，切记需要生成对应STM32CubeIDE工程，发现使用keil会出现编译报错的问题。

生成工程后，编译ok后即可下载到STEVAL-STWINKT1B。

然后就可以使用串口直接导入实时采集的数据了。

点击“START/STOP”按钮即可开始采集数据，再次点击“START/STOP”按钮停止采集数据。

点击“CONTINUE”按钮之后进入数据分隔，这里默认用空格即可，确认无误后导入。

导入信号之后，可以看得到数据的基本信息并会对每个轴数据做FFT分析，这里只是导入正常的信息，按照同样方式采集异常信号。

导入正常信号数据及异常信号数据后，就可以开始训练模型了。

选择训练信号样本及线程数，这里只选了两个样本做训练，可以选择多组样本的。

可以训练后，就可以静待训练结果了。可以查看训练的分数，分数越高说明训练的库性能越好，准确性越高。

训练结束之后会给出一些模型信息，数值10代表最少的学习次数。

二.检验模型

检验方法有很多，可以导入信号数据文件。

也可以通过串口采集数据的方式来仿真，AI检测的操作逻辑是先学习再检测。这里先学习至少10组正常信号，相当于机器的知识库。然后再检测。

然后就可以测试一下正常信息的情况，这里可以看到，AI检测是用相似值来体现的。

异常信号的相似值就很低了。

三.输出模型库

这里的Embedded konwlegde加上的话，那就可以把知识库输出了，就不需要每次上电都要重新学习了。

点击编译模型库之后，就会弹出这个对话框，可以去获取库文件了。

点击保存库之后，即可将库保存到本地电脑里。

很详细

这个是干货

补充一个：

" N* g' _( S9 Q( i7 x3 c" a
问题：用NanoEdge AI训练好的模型，部署到steval-stwinkt1b，板子需要学习个20次，才能监测异常，我可以写死这个这个学习结果吗。因为板子重新上电之后又要重新学习20次才能正常使用了。
0 r# C+ y1 e% E- n% ?% u解答：
NanoEdge AI的异常检测库是在电脑上进行训练的，最后deployment那一步的时候，用户可以选择保留还是放弃在电脑上训练得到的参数，如果保留的话，在MCU上就不需要再进行学习了，当然如果用户想让模型对设备产生适应性，变得更加准确，也可以学习做一些学习。生成的.a库是批量烧写到MCU上的。
/ m* a6 k3 N6 W! E' B

这个配合AI的很好，搭配个优秀的大模型就无敌了