STM32 AI实验课程—HAR在STM32L4上的实现

课程目的：旨在为AI深度学习解决方案提供关于ST生态系统的实践体验

实验步骤：

下载AI演示项目到ST开发板上

借助智能手机/平板电脑上的应用程序，将传感器数据和标签记录在ST开发板上

给定的Python脚本将处理数据集并训练NN模型

在STM32CubeMX.AI工具的帮助下，将神经网络训练好的模型导入到STM32项目中

相关软硬件简介

软硬件需求列表

IoT开发板—B-L475E-IOT01A

FP-AI-SENSING1

• AI特定功能：训练用的数据集、数据标注、STM32模型转换对应代码

• 其他功能：使用RTOS实现低功耗、手机应用软件“ST BLE Sensor”

实验1：STM32固件下载和演示测试

连接B-L475-IOT01A

• 用Micro USB线连接到B-L475-IOT01A

• 连接之后，驱动会自动安装，请稍等一会儿

在ST-LINK（调试器）驱动程序已正确安装的情况下，端口（LD6）附近的指示灯将切换为红色

ST-LINK驱动安装

ST-LINK驱动安装检查

• 还可以在设备管理器的端口中检查是否会出现新的虚拟COM端口

B-L475-IOT01A默认固件下载

打开工程

• 双击SENSING1.eww，打开工程（IAR）

修改main.c文件

修改main.c文件中的InitBlueNRG_Stack(void)函数，BoardName字符串将是手机/平板APP中显示的开发板名字

FP-AI-SENSING1编译及下载

单击Rebuild all，然后单击Download and Debug按钮。将固件成功下载到STM32后，单击Stop按钮

Open the FW project in CubeIDE

修改main.c文件

修改main.c文件中的Init_BlueNRG_Stack (void)函数，BoardName字符串将是手机/平板APP中显示的开发板名字

Build the code

下载到开发板

ST BLE Sensor App

BLE Sensor应用程序。选择BLE名称；在下面的选项卡中选择“Activity Recognition”；晃动开发板，确认活动将从“Still”变为“Walking”或“Running”。

实验2：数据收集和神经网络训练

数据收集

使用ST BLE Sensor应用程序，我们现在可以收集特定状态（步行、慢跑、静止、楼梯）的运动传感器数据，并标记它们，以便通过重新训练神经网络来更新它。

• 数据记录功能可用于使用户能够创建用于训练其NN模型的数据集

• 文件包中还提供了用于模型重新培训的预处理Python脚本

在记录新手势的数据时，请注意以下细节：先启动日志，再打开标签。

手势完成后，可以禁用手势标签（手势末尾也会做注释）并停止日志（关闭.csv文件）。

1. 断开USB连接

2. 将跳线从位置“1-2”移动到“5-6”

3. 将USB电缆连接到USB OTG端口

4. 在保持按下“USER”（用户）按钮的同时，还按下“Reset”（复位）按钮

5. 先松开“Reset”（重置）按钮后，再松开“USER”（用户）按钮

神经网络训练

Python脚本命令行参数选项

实验3：导入更新的网络模型并下载

STM32固件更新

• 为了生成模型文件我们需要创建一个新的CubeMX项目