【STM32U3 评测】MNIST 数字识别
本文介绍了 NUCLEO-U3C5ZI-Q 开发板结合 STM32Cube AI Studio 软件和 MNIST 数据集以及 ONNX 预训练模型，实现手写数字识别的项目设计，包括环境搭建、工程创建、关键代码、流程图、效果演示等。
项目介绍
Nucleo-U3C5ZI-Q 开发板实现手写数字识别。
- 准备工作：环境搭建、STM32Cube AI Studio、硬件连接、模型获取等；
- 工程创建：流程图、模型转换、工程代码等；
- 工程测试：工程编译、固件上传、效果演示等。
环境搭建
- 下载、安装并运行 STM32Cube AI Studio 软件；
- 进入 Setting 设置标签页，自动安装所需工具，包括 STM32CubeMX、STM32CubeProgrammer、STM32CubeIDE、ST Edge AI Core；
-
详见：【STM32U3 评测】介绍、环境搭建、工程测试 .
MNIST
Modified National Institute of Standards and Technology (MNIST) 是一个包含手写数字的数据集，里面有上万张数字图片，每张图片都标注了对应的数字标签（0到9）。该数据集可用来训练识别手写数字的神经网络。
详见：yann.lecun.com
ONNX
Open Neural Network Exchange (ONNX) 是一个开放的生态系统，为 AI 开发人员提供支持 随着项目的发展选择正确的工具。
ONNX 为 AI 模型（包括深度学习和传统 ML）提供开源格式。它定义了一个可扩展的计算图模型，以及内置运算符和标准的定义 数据类型。
详见：onnx/onnx: Open standard for machine learning interoperability .
硬件连接
使用 Type-C 数据线连接开发板和电脑；
流程图
工程创建
-
打开 STM32Cube AI Studio 软件，创建工程，选择空白新工程；
-
配置工程路径、工作空间，输入目标开发板 NUCLEO-U3C5ZI-Q；
-
加载目标 mnist-12-int8.onnx 模型文件，验证模型选择 On target ；
-
点击 Generate 按钮，自动生成代码；
- 点击右上角 Generate code 按钮，弹窗勾选
Generate project 选项，生成完整工程；
- 模型生成并打开文件路径，使用 STM32CubeIDE 加载目标工程；
工程代码
使用 STM32CubeIDE 加载生成的数字识别工程；
- 在左侧工程文件目录，双击打开
AI/APP/app_x-cube-ai.c 文件；
- 修改输入数据函数定义，添加 28x28 手写数字图片对应的灰度值数组；
int acquire_and_process_data()
{
/* USER CODE BEGIN acquire_and_process_data */
/* fill the inputs of the c-model
for (int idx=0; idx < STAI_NETWORK_IN_NUM; idx++ )
{
stai_input[idx] = ....
}
*/
const uint8_t pixel_data[] = {
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0,116,125,171,255,255,150, 93, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0,169,253,253,253,253,253,253,218, 30, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,169,253,253,253,213,142,176,253,253,122, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 52,250,253,210, 32, 12, 0, 6,206,253,140, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 77,251,210, 25, 0, 0, 0,122,248,253, 65, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 31, 18, 0, 0, 0, 0,209,253,253, 65, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,117,247,253,198, 10, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 76,247,253,231, 63, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,128,253,253,144, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,176,246,253,159, 12, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 25,234,253,233, 35, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0,198,253,253,141, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 78,248,253,189, 12, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 19,200,253,253,141, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,134,253,253,173, 12, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,248,253,253, 25, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0,248,253,253, 43, 20, 20, 20, 20, 5, 0, 5, 20, 20, 37,150,150,150,147, 10, 0,
0, 0, 0, 0, 0, 0, 0, 0,248,253,253,253,253,253,253,253,168,143,166,253,253,253,253,253,253,253,123, 0,
0, 0, 0, 0, 0, 0, 0, 0,174,253,253,253,253,253,253,253,253,253,253,253,249,247,247,169,117,117, 57, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0,118,123,123,123,166,253,253,253,155,123,123, 41, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
};
memcpy((void*)stai_input[0], pixel_data, sizeof(pixel_data));
return 0;
/* USER CODE END acquire_and_process_data */
}
- 修改后处理函数定义，添加输出结果和置信度等相关代码；
int post_process()
{
/* USER CODE BEGIN post_process */
/* process the predictions
for (int idx=0; idx < STAI_NETWORK_OUT_NUM; idx++ )
{
stai_output[idx] = ....
}
*/
// ===================== 量化模型输出 =====================
// 部署的 MNIST 是 uint8_t 量化输出（10个值：0~255）
uint8_t *output = (uint8_t*)stai_output[0];
// 找最大值
int max_index = 0;
uint8_t max_value = output[0];
for(int i=1; i<10; i++){
if(output[i] > max_value){
max_value = output[i];
max_index = i;
}
}
// 输出 0~9 每个数字的百分比置信度
for(int i=0; i<10; i++){
float percent = (output[i] * 100.0f) / 255.0f; // 转为 0~100%
if(i == max_index){
LC_PRINT(" 数字 %d：%6.2f %% ◀ 最高\r\n", i, percent);
}else{
LC_PRINT(" 数字 %d：%6.2f %%\r\n", i, percent);
}
}
// 串口打印结果
LC_PRINT("========================================\r\n");
LC_PRINT(" 识别结果: 数字 %d | 置信度: %6.2f %%\r\n", max_index, max_value*100.0f/255.0f);
LC_PRINT("========================================\r\n\n");
return 0;
/* USER CODE END post_process */
}
保存代码。
编译上传
- 点击上方工具栏的运行按钮，上传固件至开发板并自动运行；
效果演示
- 运行串口调试助手软件，连接 STLINK-V3 对应的虚拟串口，配置波特率 115200 bps，打开串口；
- 短按板载复位按键，串口输出数字识别结果、计算时间等信息；
总结
本文介绍了 NUCLEO-U3C5ZI-Q 开发板结合 STM32Cube AI Studio 软件和 MNIST 数据集以及 ONNX 预训练模型，实现手写数字识别的项目设计，包括环境搭建、工程创建、关键代码、流程图、效果演示等，为相关产品在边缘 AI 领域的快速开发和应用设计提供了参考。
微信公众号
手机版
