Skip to main content

Wio Terminal Edge Impulse 使用多通道气体传感器区分饮料

在本教程中，我们将介绍如何使用 Wio Terminal 与 Edge Impulse 来简单部署一个机器学习项目。Wio Terminal 配合 Grove 系统 可以非常强大，它可以引入数百种传感器数据进行分析，并可能评估不同的场景！

这是一个受到 Benjamin Cabé 的人工鼻子项目 启发的项目。通过本文，您将了解使用 Wio Terminal 的 Edge Impulse 工作流程。

所需硬件​

开始使用​

让我们带您了解 Edge Impulse 与 Wio Terminal 的工作流程。

1. 连接到 Edge Impulse​

① 将最新的设备固件加载到 Wio Terminal​

将 Wio Terminal 连接到您的计算机。通过快速滑动电源开关两次进入引导加载程序模式。更多参考信息，请参见这里。

您的 PC 中应该出现一个名为 Arduino 的外部驱动器。将下载的 Edge Impulse uf2 固件文件 拖到 Arduino 驱动器中。现在，Edge Impulse 已加载到 Seeeduino Wio Terminal 上！

注意： 这里是 Wio Terminal Edge Impulse 源代码，您也可以从这里构建固件。

② 使用 WebUSB 连接​

转到您的 Edge Impulse 项目，点击数据采集选项卡，然后您可以在右上角看到选择 Connect using WebUSB。点击它。

然后，您可以看到一个弹出提示，选择配对的串行端口并"连接"，如下图所示。

现在，您已成功将 Wio Terminal 与 Edge Impulse 连接。

2. 收集数据​

将 Grove - 多通道气体传感器 v2 连接到 Wio Terminal 的 Grove I2C 端口。

将 Grove - 多通道气体传感器 v2 放置在您要测试的饮料上，在我的例子中首先是可乐。这里需要指出的一点是，Grove - 多通道气体传感器 v2 很容易受到周围环境的影响，您可能需要使用盖子来确保它只感应测试内容。

在 Edge Impulse 仪表板上，导航到数据采集，选择您的设备，并命名您的标签。顾名思义，标签应该根据您的测试内容命名，所以这里也将是 cola。

采样长度（毫秒）将是您的采样时间长度（以毫秒为单位），传感器选择外部多通道气体，频率选择 10Hz。

点击开始采样，它将开始收集数据。

在我的测试中，我获得了可乐数据 10 秒 9 次，每次都有相似的结果。您需要拥有彼此相当相似的数据集。

note

如果您的数据波动很大，这可能是由周围环境引起的。

一旦您有足够的一个标签的数据，您可以对其他标签执行完全相同的步骤！在我的测试中，我有另外三个数据集：空气、咖啡和酒精：

  • 空气数据集：
  • 咖啡数据集：
  • 酒精数据集：

您应该看到不同的饮料会有不同的气体值，这使其非常适合机器学习！此外，拥有更多数据进行后续训练总是更好的，所以请随时收集更多数据！

note

随时添加更多类别的酒精！

3. 设计脉冲​

接下来，我们需要通过点击脉冲设计 -> 创建脉冲来设计脉冲。脉冲获取原始数据，使用信号处理提取特征，然后使用学习块对新数据进行分类。在这个例子中，我添加了一个原始数据的处理块，包含所有输入轴，并添加了一个**神经网络（Keras）**学习块，如下所示：

点击保存脉冲，在脉冲设计下点击原始数据，您应该看到数据集的原始特征：

点击 Save parameters，然后它会导航到另一个页面。点击 Generate Features。

这将从之前的数据集生成特征，您将在右侧看到一个图表。如果数据集彼此分离，意味着数据集彼此独特，这使得机器学习差异变得更好。

4. 训练数据​

在 Impulse Design 下，点击 NN Classifier 来配置神经网络的设置，以下是我的设置：

您可能需要根据需要调整这些设置并配置您的 神经网络架构，然后点击 Start training！这将执行训练，可能需要一段时间。

训练完成后，您将看到一个训练性能表。如果您的数据集彼此独特，您应该会得到相当好的结果！这是我的性能：

从中可以看出，准确性还不错，这是因为只有4个案例。您可能想要为此示例添加更多案例/测试。

5. 实时分类​

现在我们已经训练了模型，我们可以用新数据测试模型。导航到 Live classification，并采样新的数据集进行测试。

  • 测试示例 1：
  • 测试示例 2：

从结果中我们可以看到，这是相当好的结果，您能够在 Edge Impulse 的帮助下使用 Grove - 多通道气体传感器 v2 来区分酒精！

部署到 Wio Terminal​

下一步是在设备上部署。点击 Deployment 选项卡后，选择 Arduino library 并下载它。

解压存档文件并将其放置在您的 Arduino 库文件夹中。打开 Arduino IDE 并选择静态缓冲区草图（位于 File -> Examples -> 您的项目名称 -> static_buffer），它已经包含了使用您的模型进行分类的所有样板代码。很棒！

用户唯一需要填写的是函数 raw_feature_get_data(size_t offset, size_t length, float *out_ptr)。

int raw_feature_get_data(size_t offset, size_t length, float *out_ptr) {
    float features[4];
    features[0]=gas.getGM102B();
    features[1] = gas.getGM302B();
    features[2]=gas.getGM502B();
    features[3]=gas.getGM702B();
    memcpy(out_ptr, features + offset, length * sizeof(float));
    return 0;
}

完整代码​

#include <coffee_cola_alcohol_big_inferencing.h>
#include <Multichannel_Gas_GMXXX.h>
#include <Wire.h>
GAS_GMXXX<TwoWire> gas;

int raw_feature_get_data(size_t offset, size_t length, float *out_ptr) {
    float features[4];

    features[0]=gas.getGM102B();
    features[1] = gas.getGM302B();
    features[2]=gas.getGM502B();
    features[3]=gas.getGM702B();
    memcpy(out_ptr, features + offset, length * sizeof(float));
    return 0;
}

void setup()
{
    // 在这里放置你的设置代码，只运行一次：
    Serial.begin(115200);
    gas.begin(Wire, 0x08); // 使用硬件 I2C
    Serial.println("Edge Impulse 推理演示");
}

void loop()
{
    ei_printf("Edge Impulse 独立推理 (Arduino)\n");

 
    ei_impulse_result_t result = { 0 };

    // 特征存储在闪存中，我们不想将所有内容加载到 RAM 中
    signal_t features_signal;
    features_signal.total_length = sizeof(features) / sizeof(features[0]);
    features_signal.get_data = &raw_feature_get_data;

    // 调用脉冲
    EI_IMPULSE_ERROR res = run_classifier(&features_signal, &result, false /* debug */);
    ei_printf("run_classifier 返回: %d\n", res);

    if (res != 0) return;

    // 打印预测结果
    ei_printf("预测结果 ");
    ei_printf("(DSP: %d ms., 分类: %d ms., 异常: %d ms.)",
        result.timing.dsp, result.timing.classification, result.timing.anomaly);
    ei_printf(": \n");
    ei_printf("[");
    for (size_t ix = 0; ix < EI_CLASSIFIER_LABEL_COUNT; ix++) {
        ei_printf("%.5f", result.classification[ix].value);
#if EI_CLASSIFIER_HAS_ANOMALY == 1
        ei_printf(", ");
#else
        if (ix != EI_CLASSIFIER_LABEL_COUNT - 1) {
            ei_printf(", ");
        }
#endif
    }
#if EI_CLASSIFIER_HAS_ANOMALY == 1
    ei_printf("%.3f", result.anomaly);
#endif
    ei_printf("]\n");

    // 人类可读的预测结果
    for (size_t ix = 0; ix < EI_CLASSIFIER_LABEL_COUNT; ix++) {
        ei_printf("    %s: %.5f\n", result.classification[ix].label, result.classification[ix].value);
    }
#if EI_CLASSIFIER_HAS_ANOMALY == 1
    ei_printf("    异常分数: %.3f\n", result.anomaly);
#endif

    delay(1);
}

/**
 * @brief      Printf 函数使用 vsnprintf 并通过 Arduino Serial 输出
 *
 * @param[in]  format     可变参数列表
 */
void ei_printf(const char *format, ...) {
    static char print_buf[1024] = { 0 };

    va_list args;
    va_start(args, format);
    int r = vsnprintf(print_buf, sizeof(print_buf), format, args);
    va_end(args);

    if (r > 0) {
        Serial.write(print_buf);
    }
}

参考资料​

Loading Comments...