[Reklama]
Uczenie maszynowe to dziedzina sztucznej inteligencji, która jest przydatna nie tylko w automatyzacji przemysłowej, ale może także być częścią ciekawych projektów dla entuzjastów elektroniki.
Wymagany sprzęt:
- 1x zestaw Tiny Machine Learning KIT
- W zestawie: Arduino Nano 33 BLE Sense Lite
- W zestawie: Camera Module OV7675
- W zestawie: Tiny Machine Learning Shield
- W zestawie: kabel USB
CZYM JEST TINYML?
TinyML, czyli Tiny Machine Learning, to technologia pozwalająca na uruchamianie modeli uczenia maszynowego na małych, prostych komputerach, takich jak te, które znajdują się na płytkach Arduino. Oznacza to, że można tworzyć projekty Arduino, które autonomicznie analizują informacje i podejmują decyzje, bez potrzeby korzystania z potężnego komputera lub połączenia z internetem.
Dzięki narzędziu o nazwie TensorFlow Lite można skonfigurować te inteligentne modele bezpośrednio na urządzeniach Arduino, takich jak Arduino Nano 33 BLE Sense. Jest to idealne rozwiązanie do projektów wymagających szybkiej reakcji oraz ochrony prywatności danych, na przykład inteligentnych gadżetów domowych, które reagują na polecenia lub monitorują otoczenie.
KROK 1:
Podłącz Arduino Nano 33 BLE Sense Lite do komputera za pomocą kable USB.
KROK 2:
Zainstaluj bibliotekę "Arduino_TensorflowLite" za pomocą Menedżera Bibliotek. Następnie otwórz przykładowy projekt "micro_speech" i rozpocznij budowanie oprogramowania, klikając przycisk kompilacji w lewym górnym rogu.
KROK 3:
Wgraj kod do Arduino.
Proces kompilacji potrwa dłużej w przypadku tego projektu ze względu na komponenty uczenia maszynowego w kodzie.
Jak wytrenować model?
W projekcie rozpoznawania głosu TinyML na Arduino, najpierw zbierz próbki dźwiękowe i oznacz je odpowiednimi słowami lub frazami. Następnie przetwórz te dane audio, filtrując i normalizując je, aby zapewnić spójność. Wytrenuj model uczenia maszynowego na komputerze, korzystając z narzędzi takich jak TensorFlow Lite, na podstawie oczyszczonych próbek dźwiękowych. Na końcu przekonwertuj i wgraj wytrenowany model na Arduino, co umożliwi rozpoznawanie poleceń głosowych w czasie rzeczywistym. Jednak w przypadku tego projektu wszystkie etapy treningu zostały już wykonane i są zawarte w przykładowym projekcie, więc nie musisz samodzielnie trenować modelu.
KROK 4:
Otwórz okno komunikacji szeregowej w Arduino IDE, gdy Twoje Arduino jest podłączone do komputera.
Teraz możesz przetestować projekt, mówiąc "YES" lub "NO".
W oknie komunikacji szeregowej Arduino wskaże, które słowo powiedziałeś na głos.
TEST-1:
TEST-2:
źródło
[WSPÓŁPRACA REKLAMOWA z Transfer Multisort Elektronik Sp. z o.o.]
Uczenie maszynowe to dziedzina sztucznej inteligencji, która jest przydatna nie tylko w automatyzacji przemysłowej, ale może także być częścią ciekawych projektów dla entuzjastów elektroniki.
Wymagany sprzęt:
- 1x zestaw Tiny Machine Learning KIT
- W zestawie: Arduino Nano 33 BLE Sense Lite
- W zestawie: Camera Module OV7675
- W zestawie: Tiny Machine Learning Shield
- W zestawie: kabel USB
CZYM JEST TINYML?
TinyML, czyli Tiny Machine Learning, to technologia pozwalająca na uruchamianie modeli uczenia maszynowego na małych, prostych komputerach, takich jak te, które znajdują się na płytkach Arduino. Oznacza to, że można tworzyć projekty Arduino, które autonomicznie analizują informacje i podejmują decyzje, bez potrzeby korzystania z potężnego komputera lub połączenia z internetem.
Dzięki narzędziu o nazwie TensorFlow Lite można skonfigurować te inteligentne modele bezpośrednio na urządzeniach Arduino, takich jak Arduino Nano 33 BLE Sense. Jest to idealne rozwiązanie do projektów wymagających szybkiej reakcji oraz ochrony prywatności danych, na przykład inteligentnych gadżetów domowych, które reagują na polecenia lub monitorują otoczenie.
KROK 1:
Podłącz Arduino Nano 33 BLE Sense Lite do komputera za pomocą kable USB.
KROK 2:
Zainstaluj bibliotekę "Arduino_TensorflowLite" za pomocą Menedżera Bibliotek. Następnie otwórz przykładowy projekt "micro_speech" i rozpocznij budowanie oprogramowania, klikając przycisk kompilacji w lewym górnym rogu.
KROK 3:
Wgraj kod do Arduino.
Proces kompilacji potrwa dłużej w przypadku tego projektu ze względu na komponenty uczenia maszynowego w kodzie.
Jak wytrenować model?
W projekcie rozpoznawania głosu TinyML na Arduino, najpierw zbierz próbki dźwiękowe i oznacz je odpowiednimi słowami lub frazami. Następnie przetwórz te dane audio, filtrując i normalizując je, aby zapewnić spójność. Wytrenuj model uczenia maszynowego na komputerze, korzystając z narzędzi takich jak TensorFlow Lite, na podstawie oczyszczonych próbek dźwiękowych. Na końcu przekonwertuj i wgraj wytrenowany model na Arduino, co umożliwi rozpoznawanie poleceń głosowych w czasie rzeczywistym. Jednak w przypadku tego projektu wszystkie etapy treningu zostały już wykonane i są zawarte w przykładowym projekcie, więc nie musisz samodzielnie trenować modelu.
KROK 4:
Otwórz okno komunikacji szeregowej w Arduino IDE, gdy Twoje Arduino jest podłączone do komputera.
Teraz możesz przetestować projekt, mówiąc "YES" lub "NO".
W oknie komunikacji szeregowej Arduino wskaże, które słowo powiedziałeś na głos.
TEST-1:
TEST-2:
źródło
[WSPÓŁPRACA REKLAMOWA z Transfer Multisort Elektronik Sp. z o.o.]
Konto firmowe:
