Primeiros Passos com TensorFlow Lite no Seeed Studio XIAO nRF52840 Sense
![]()
Este wiki demonstrará como você pode usar TensorFlow Lite no Seeed Studio XIAO nRF52840 Sense e detectar gestos como socos e flexões usando o acelerômetro integrado. Aqui o treinamento dos dados será feito no próprio dispositivo.
Para aplicações de IA embarcada, recomendamos fortemente o uso da "Seeed nrf52 mbed-enabled Boards Library".
Configuração de software
Certifique-se primeiro de seguir o wiki "Primeiros Passos com Seeed Studio XIAO nRF52840 (Sense)" para a configuração inicial de hardware e software.
Agora vamos prosseguir com o restante da configuração de software.
- Passo 1. Baixe a biblioteca Seeed_Arduino_LSM6DS3 como um arquivo zip

- Passo 2. Baixe a biblioteca tflite-micro-arduino-examples como um arquivo zip

- Passo 3. Abra a Arduino IDE, navegue até
Sketch > Include Library > Add .ZIP Library...e abra os dois arquivos zip baixados, um após o outro

- Passo 4. Navegue até
File > Examples > Seeed Arduino LSM6DS3 > IMU_Capturepara abrir IMU_Capture.ino

- Passo 5. Faça upload do código e abra o Serial Monitor
Nota: Depois de fazer o upload do código, ele não será executado automaticamente até que você clique em Serial Monitor no canto superior direito da janela do Arduino.
Treinar dados
Ação de soco
Com o monitor serial aberto, comece a treinar dados para a ação de soco.
- Passo 1. Segure o Seeed Studio XIAO nRF52840 Sense na palma da sua mão e comece a dar socos para a frente e você verá alguns dados sendo impressos no monitor serial


-
Passo 2. Repita a ação de soco cerca de 10 vezes e você verá novos dados gerados após cada soco
-
Passo 3. Copie e cole a saída completa do monitor serial em um arquivo de texto e salve o arquivo de texto como punch.csv
Nota: Copie também a primeira linha, que contém aX,aY,aZ,gX,gY,gZ
Ação de flexão
- Passo 1. Reconecte o cabo USB ao Seeed Studio XIAO nRF52840 Sense, abra o monitor serial, segure o Seeed Studio XIAO nRF52840 Sense na palma da sua mão e comece a flexionar para dentro e você verá alguns dados sendo impressos no monitor serial


-
Passo 2. Repita a ação de flexão cerca de 10 vezes e você verá novos dados gerados após cada flexão
-
Passo 3. Copie e cole a saída completa do monitor serial em um arquivo de texto e salve o arquivo de texto como flex.csv
Nota: Copie também a primeira linha, que contém aX,aY,aZ,gX,gY,gZ
Gerar arquivo de modelo TensorFlow Lite
Agora vamos gerar um arquivo de modelo TensorFlow Lite (model.h), usando os arquivos punch.csv e flex.csv que criamos antes.
- Passo 1. Abra este notebook Python que ajudará a gerar o arquivo model.h de que precisamos

- Passo 2. Navegue até a aba de arquivos no painel de navegação à esquerda, arraste e solte os arquivos punch.csv e flex.csv ali dentro

- Passo 3. Na seção Setup Python Environment, altere o código de pip install tensorflow==2.0.0-rc1 para pip install tensorflow

- Passo 4. Navegue até
Runtime > Run allpara executar todas as células de código

- Passo 5. Clique em Run anyway na mensagem de erro que aparecer

- Passo 6. Depois que todas as células de código forem executadas, você encontrará um novo arquivo model.h gerado na aba files que vimos antes

Nota: Se você não conseguir ver o arquivo model.h acima, atualize a página.
- Passo 7. Clique com o botão direito no arquivo e clique em Download para baixar o arquivo para o seu PC
Inferência
Agora usaremos o arquivo de modelo TensorFlow Lite baixado (model.h) para reconhecer as ações de soco e flexão a partir do Seeed Studio XIAO nRF52840 Sense.
- Passo 1. Navegue até o caminho da biblioteca Seeed_Arduino_LSM6DS3 (normalmente em Documents > Arduino > libraries > Seeed_Arduino_LSM6DS3) e acesse examples > IMU_Classifier

-
Passo 2. Substitua o arquivo model.h pelo que baixamos anteriormente
-
Passo 3. Dê um clique duplo em IMU_Classifier.ino e faça upload do código para o Seeed Studio XIAO nRF52840 Sense.
Ação de soco
Abra o monitor serial e realize uma ação de soco. Você verá que será dado um resultado próximo de 1 ao lado de punch

Ação de flexão
Realize uma ação de flexão. Você verá que será dado um resultado próximo de 1 ao lado de flex

Recursos
- [Página da Web] Documentação do TensorFlow Lite
Suporte Técnico & Discussão de Produtos
Obrigado por escolher nossos produtos! Estamos aqui para fornecer a você diferentes tipos de suporte para garantir que sua experiência com nossos produtos seja a mais tranquila possível. Oferecemos vários canais de comunicação para atender a diferentes preferências e necessidades.