VIP20

本课程属于：009-Arduino Nano 33 BLE Sense TinyML项目实战 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

17. Arduino TinyML教学项目：适合初学者的端侧AI实验

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

了解TinyML的定义 · 端侧AI的价值 · Arduino在其中的角色

课程导入TinyML

开发环境搭建

安装Arduino IDE · 配置ESP32或Arduino Na… · 安装必要的库和工具链

开发环境搭建Arduino

认识常用传感器（如麦克风 · 加速度计 · 摄像头）

硬件基础认识常用传感器

机器学习基础

掌握特征 · 标签 · 训练集/测试集

机器学习基础掌握特征

TinyML工作流程

从数据采集 · 模型训练 · 模型转换到部署到微控制器的完整流程概…

TinyML工作流程

数据采集方法

使用Arduino采集传感器数据 · 保存为CSV或JSON格式 · 并标注数据

数据采集方法Arduino

数据预处理

学习数据清洗 · 归一化 · 滑动窗口

数据预处理学习数据清洗

模型训练工具

介绍Edge Impulse · TensorFlow Lite fo… · 并演示如何训练简单模型

模型训练工具Edge

模型转换与优化

将训练好的模型转换为TensorFl… · 进行量化 · 剪枝等优化

模型转换优化

部署到Arduino

将转换后的模型嵌入Arduino程序 · 实现实时推理 · 并处理输出结果

Arduino部署到

实战项目一

基于加速度计的手势识别——采集手势数… · 训练分类模型 · 在Arduino上实现实时识别

实战项目一基于加速度计的手…

实战项目二

关键词唤醒——使用麦克风采集音频 · 训练简单的语音命令识别模型 · 实现本地唤醒词检测

实战项目二关键词唤醒

实战项目三

环境异常检测——使用温湿度或气体传感… · 训练异常检测模型 · 实现端侧告警

实战项目三环境异常检测

实战项目四

图像分类入门——使用摄像头模块采集图… · 训练简单的物体分类模型 · 部署到Arduino

实战项目四图像分类入门

实战项目五

预测性维护——通过振动传感器数据预测… · 实现端侧预测

实战项目五预测性维护

模型性能评估

在Arduino上评估模型的准确率 · 延迟 · 内存占用

模型性能评估Arduino

常见问题与调试

解决部署中遇到的编译错误 · 内存不足 · 推理结果异常等问题

常见问题调试

功耗与资源优化

了解微控制器资源限制 · 优化模型和代码以降低功耗和内存占用

功耗资源优化

多传感器融合

结合多个传感器数据提升模型鲁棒性 · 实现更复杂的端侧AI应用

多传感器融合结合多个传感器数…

边缘计算与云协同

了解端侧AI与云端的协作模式 · 学习如何将Arduino数据上传云端…

边缘计算云协同

项目扩展与创意

基于已有项目进行功能扩展 · 如增加无线通信 · 远程控制

项目扩展创意

设计一个完整的TinyML项目 · 从需求分析 · 数据采集

综合实战TinyML

回顾核心知识点 · 梳理TinyML学习路径 · 推荐进阶资源和社区

课程总结回顾核心知识点

TinyML伦理与安全

讨论数据隐私 · 模型偏见 · 设备安全等伦理问题

Arduino TinyML库详解

深入讲解TensorFlow Lit… · 常用函数和内存管理技巧

数据增强与模型泛化

学习数据增强技术 · 提高模型在不同环境下的泛化能力

数据增强模型泛化

实时系统设计

理解实时推理的时间约束 · 优化中断 · 定时器和数据缓冲区设计

实时系统设计理解实时推理的时…

分析一个真实TinyML产品（如智能… · 拆解其架构和实现方法

案例研究TinyML

故障排查与性能调优

使用串口监视器 · 日志和性能分析工具 · 系统化排查问题并优化性能

故障排查性能调优

探索TinyML在物联网 · 可穿戴设备 · 智能农业等领域的应用趋势

未来展望TinyML