Arduino 肩負著讓任何人均可輕松使用機器學(xué)習(xí)的使命。去年前，我們宣布TensorFlow Lite Micro 可以在 Arduino 庫管理器中使用。這樣便可使用一些現(xiàn)成的炫酷 ML 示例，例如語音識別、簡單的機器視覺，甚至是端到端手勢識別訓(xùn)練教程。

在本文中，我們將帶您了解一個更為簡單的端到端教程：使用 TensorFlow Lite Micro 庫，以及Arduino Nano 33 BLE Sense的色度計和近接感測器傳感器來分類對象。為此，我們將在開發(fā)板上運行一個小型神經(jīng)網(wǎng)絡(luò)。

運行 TensorFlow Lite Micro 的 Arduino BLE 33 Nano Sense

Tiny ML 的理念是在設(shè)備上用較少的資源（更小巧的外形、更少的能耗和更低成本的芯片）完成更多的工作。若與傳感器在同一塊開發(fā)板上運行推理，無論是對隱私還是電池續(xù)航時間都大有裨益，且意味著無需連網(wǎng)即可完成推理。

我們在電路板上安裝了近接感應(yīng)器，這意味著我們可以即時讀取開發(fā)板前方對象的深度，而無需使用攝像頭，也無需通過機器視覺來確定某個對象是否為目標對象。

在本教程中，當對象足夠近時，我們可以對顏色進行采樣，此時的板載 RGB 傳感器可以看作是一個 1 像素的彩色攝像頭。雖然此方法存在一定限制，但卻讓我們只需使用少量資源便可快速分類對象。請注意，實際上您可以在設(shè)備端運行完整的基于 CNN 的視覺模型。這塊特殊的 Arduino 開發(fā)板配有一個板載色度計，因此我們認為以此方式開始演示不僅有趣，還極具指導(dǎo)意義。

基于 CNN 的視覺模型
http://cs231n.github.io/convolutional-networks/

我們將展示一個簡單但完整的端到端 TinyML 應(yīng)用，無需深厚的 ML 或嵌入式背景就可以快速實現(xiàn)。此處所涉內(nèi)容包括數(shù)據(jù)采集、訓(xùn)練和分類器部署。我們介紹的是一個演示應(yīng)用，您可連接一個外部攝像頭，在此基礎(chǔ)上進行改進和完善。我們希望您能了解我們提供的工具能夠?qū)崿F(xiàn)什么，這里只是為您提供了一個起點。

您需要具備的條件

Arduino BLE 33 Nano Sense

一根 Micro USB 線

裝有 Web 瀏覽器的桌面設(shè)備/筆記本電腦

幾個具有不同顏色的對象

Arduino 開發(fā)板簡介

我們所使用的 Arduino BLE 33 Nano Sense 開發(fā)板配備 Arm Cortex-M4 微控制器，該控制器運行著 mbedOS，并具備多個板載傳感器，包括數(shù)字麥克風(fēng)、加速度計、陀螺儀，以及溫度、濕度、壓力、光線、顏色和近接感應(yīng)器。

雖然該微控制器按照云或移動標準來看非常微小，但其功能非常強大，足以運行 TensorFlow Lite Micro 模型并對來自板載傳感器的傳感器數(shù)據(jù)進行分類。

設(shè)置 Arduino Create 網(wǎng)頁編輯器

在本教程中，我們將使用 Arduino Create 網(wǎng)頁編輯器，一款基于云端的 Arduino 開發(fā)板編程工具。您需要注冊一個免費帳戶來使用，然后安裝一個插件允許瀏覽器通過 USB 線與 Arduino 開發(fā)板進行通信。

您可以按照入門指南的說明進行快速設(shè)置，這些說明將引導(dǎo)您完成以下操作：

下載并安裝插件

登錄或注冊免費帳號

入門指南
https://create.arduino.cc/getting-started/plugin?page=1

（請注意，您也可以使用 Arduino IDE 桌面應(yīng)用，相關(guān)設(shè)置說明可以在之前的教程中找到）

拍攝訓(xùn)練數(shù)據(jù)

現(xiàn)在，我們將采集用于在 TensorFlow 中訓(xùn)練模型所需的數(shù)據(jù)。首先，選擇幾種顏色不同的對象。在這里，我們將使用水果，但您可以使用任何您喜歡的其他對象。

設(shè)置 Arduino，以便采集數(shù)據(jù)

接下來，我們將使用 Arduino Create 對 Arduino 開發(fā)板進行編程，讓其運行 object_color_capture.ino 應(yīng)用，該應(yīng)用可以采集附近對象的顏色數(shù)據(jù)樣本。開發(fā)板會通過 USB 線將顏色數(shù)據(jù)以 CSV 日志形式發(fā)送至您的桌面設(shè)備。

如需將 object_color_capture.ino 應(yīng)用加載到 Arduino 開發(fā)板，請執(zhí)行以下操作：

通過 USB 線將開發(fā)板連接到筆記本電腦或 PC

Arduino 開發(fā)板需連接 Micro USB 公口

點擊此鏈接，在 Arduino Create 中打開 object_color_capture.ino。

鏈接
https://create.arduino.cc/editor/TensorFlowExamples/ca761558-13ed-4190-baee-89ced06147c3/preview

您的瀏覽器將打開 Arduino Create 網(wǎng)頁應(yīng)用（參見上方的 GIF 圖）

點按“OPEN IN WEB EDITOR”（在網(wǎng)頁編輯器中打開）

對于現(xiàn)有用戶，此按鈕將被標記為“ADD TO MY SKETCHBOOK”（添加至我的 Sketchbook）

點擊 Upload & Save（上傳并保存）

此操作需要等待一會兒才能完成

您會看到開發(fā)板上的黃燈在閃爍，說明其正在“接受編程”

打開串口 Monitor（監(jiān)視器）

此操作會打開網(wǎng)頁應(yīng)用左側(cè)的Monitor面板

現(xiàn)在，當對象在開發(fā)板頂部附近時，您將會在此處看到 CSV 格式的顏色數(shù)據(jù)

將每個對象的數(shù)據(jù)采集至 CSV 文件中

我們會針對每一個要分類的對象采集一些顏色數(shù)據(jù)。我們只針對每個類快速采集一個示例，這樣做顯然無法訓(xùn)練通用模型，但我們?nèi)匀豢梢酝ㄟ^手頭的對象來快速驗證概念！

例如，我們正在對一個蘋果進行采樣：

使用頂部的白色小按鈕重置開發(fā)板。

除非您想對手指采樣，否則請確保其遠離傳感器！

Arduino Create 中的Monitor將提示“Serial Port Unavailable”（串行端口不可用），提示時間為一分鐘

然后，您應(yīng)該會看到串口監(jiān)視器的頂部出現(xiàn) Red,Green,Blue 字樣

將開發(fā)板的正面朝向蘋果。

開發(fā)板只有在檢測到有對象靠近傳感器且照明充足（開燈或靠近窗戶）時，才會執(zhí)行采樣

在對象表面來回移動開發(fā)板，采集顏色變化

您會看到 RGB 顏色值以逗號分隔的數(shù)據(jù)形式顯示在串口監(jiān)視器中。

采集對象的樣本（持續(xù)幾秒鐘）

從Monitor復(fù)制此日志數(shù)據(jù)，并將其粘貼到文本編輯器中

提示：取消勾選底部 AUTOSCROLL（自動滾動）對應(yīng)的復(fù)選框，即可停止文字移動

將文件另存為apple.csv

使用頂部的白色小按鈕重置開發(fā)板。

重復(fù)執(zhí)行上述操作，以采集其他對象并保存日志信息（例如 banana.csv、orange.csv）。

注意：每個 .csv 文件的第一行均應(yīng)顯示為：Red,Green,Blue

如果您未在頂部看到此內(nèi)容，則只需將其復(fù)制并粘貼到代碼行的上方。

訓(xùn)練模型

現(xiàn)在，我們將借助 colab，使用您在上一節(jié)中采集的數(shù)據(jù)來訓(xùn)練 ML 模型。

首先，在 colab 中打開 Jupyter Notebook

按照 colab 中的說明操作

上傳您的 *.csv 文件

解析并準備數(shù)據(jù)

使用 Keras 訓(xùn)練模型

輸出 TensorFlowLite Micro 模型

下載此模型以在 Arduino 上運行分類器

colab
https://colab.research.google.com/github/arduino/ArduinoTensorFlowLiteTutorials/blob/master/FruitToEmoji/FruitToEmoji.ipynb

完成上述步驟后，您應(yīng)該已經(jīng)下載了可以在 Arduino 開發(fā)板上運行對象分類的 model.h 文件！

Colab 會引導(dǎo)您將 .csv 文件拖放入文件窗口，結(jié)果如上圖所示

Colab 會對 Arduino 開發(fā)板采集的標準化顏色樣本進行繪制

將 TFLM 模型編寫到 Arduino 開發(fā)板

最后，我們會對上一階段訓(xùn)練得到的模型進行編譯，然后使用 Arduino Create 將其上傳至 Arduino 開發(fā)板。

打開 Classify_Object_Color.ino

Classify_Object_Color.ino
https://create.arduino.cc/editor/TensorFlowExamples/8508c70f-5155-4e3b-b982-c5f6bd36ea5c/preview

您的瀏覽器將打開 Arduino Create 網(wǎng)頁應(yīng)用：

點擊OPEN IN WEB EDITOR（在網(wǎng)頁編輯器中打開）按鈕

使用Import File to Sketch（將文件導(dǎo)入 Sketch）導(dǎo)入從 colab 下載的 model.h 文件：

導(dǎo)入從 colab 下載的 model.h 文件

model.h 標簽頁應(yīng)如上所示

編譯并將應(yīng)用上傳至 Arduino 開發(fā)板

此操作需要等待一會兒才能完成

完成后，您將在Monitor中看到以下消息：

將 Arduino 的 RGB 傳感器放在您訓(xùn)練的對象旁邊

您將在Monitor中看到分類結(jié)果輸出：

Arduino Create Monitor 中的分類器輸出

您也可以編輯 object_color_classifier.ino sketch 以輸出顏文字來替代名字（我們在代碼注釋中保留了 unicode?。?，您可以關(guān)閉 Arduino Create 所在的網(wǎng)頁瀏覽器標簽頁，重置開發(fā)板并輸入 cat /cu/usb.modem[n]，在 Mac OS X 或 Linux 終端中查看這些表情符號。

從 Arduino 串口輸出到 linux 終端并使用 ANSI 突出顯示的結(jié)果，以及 unicode 表情符號

結(jié)論

至此，我們了解了一個在 Arduino 上運行的機器學(xué)習(xí)的快速端到端的演示。這個框架也可用于對不同傳感器進行采樣，以及訓(xùn)練更為復(fù)雜的模型。對于按顏色分類對象的任務(wù)，我們還可以在更多條件下采集更多示例樣本，以泛化該模型。

在未來的研究當中，我們還會探索如何運行設(shè)備端 CNN。與此同時，我們希望于您而言，這將會是一個有趣而精彩的項目。請盡情體驗 TinyML 帶來的樂趣吧！

責(zé)任編輯：lq