Edge Impulse平台基础：账号注册、项目创建、数据采集与预处理、模型训练流程回顾
在深入探讨模型导出与格式选择之前，必须首先确保我们拥有一个配置正确、数据完备且训练流程规范的Edge Impulse项目。模型导出并非孤立步骤，其输出质量与上游的数据采集方式、预处理参数以及训练配置紧密相关。本章将系统梳理Edge Impulse平台的核心操作链路，从账号注册到模型训练完成，为后续的C++库、TFLite与ONNX格式导出打下坚实的工程基础。我们将重点聚焦于那些直接影响导出文件可用性的关键配置项，而非泛泛介绍界面功能。
上图展示了从账号注册到模型导出的完整工程链路。值得注意的是，预处理与训练阶段并非孤立存在，它们共同决定了最终导出模型的计算图结构与算子类型。例如，在DSP模块中选择了MFCC特征，则导出的C++库将包含特定的音频特征提取代码；若选择了图像预处理，则TFLite导出文件会包含对应的图像归一化参数。因此，理解上游配置是正确选择导出格式的前提。
2.1 账号注册与项目创建：从零开始的环境准备
Edge Impulse的账号注册流程极为简洁，支持Google、GitHub账号一键登录，也支持邮箱注册。对于企业用户，建议使用组织（Organization）账号进行统一管理，便于团队协作与项目版本控制。注册完成后，进入Dashboard，点击"Create new project"即可开始。项目名称应遵循语义化命名规则，例如"gesture_recognition_v2"而非"test1"，因为项目名称会作为导出代码中命名空间的一部分。
创建项目时，平台会要求选择目标设备（Target device）。这一选择并非强制，但强烈建议根据实际部署硬件进行设定。例如，选择"Arduino Nano 33 BLE Sense"后，平台会自动配置适用于Cortex-M4F的优化选项，并在后续导出C++库时提供更精准的内存估算。若暂时不确定硬件，可选择"Any device"，但需注意这可能导致默认的优化策略偏向通用性而非极致性能。
2.2 数据采集与预处理：决定模型性能的上游因素
数据采集是Edge Impulse项目中最耗时但最关键的一环。平台支持三种主要数据接入方式：设备实时采集（通过串口或BLE）、文件上传（CSV、WAV、JPG等格式）、以及公共数据集导入。对于时间序列数据（如加速度计、麦克风），采样频率与窗口长度的设定直接影响后续特征提取的效果。
在采集过程中，需注意以下核心参数：
- 采样频率（Hz）：根据奈奎斯特定理，应至少为目标信号最高频率的2倍。例如，振动分析中若关注1kHz以内的频率成分，采样率应不低于2kHz。
- 窗口长度（ms）：决定了每次推理所覆盖的时间跨度。窗口越长，频率分辨率越高，但推理延迟也相应增加。对于关键词识别，通常使用20-40ms窗口；对于手势识别，100-200ms较为常见。
- 窗口步长（ms）：相邻窗口之间的重叠程度。步长越小，数据冗余度越高，模型鲁棒性增强，但计算量也增大。典型设置为窗口长度的50%-75%。
预处理环节中，Edge Impulse提供了丰富的DSP模块，包括时域特征（均值、方差、峰值）、频域特征（FFT、MFCC）、以及图像预处理（裁剪、缩放、颜色空间转换）。这些模块的输出将作为后续神经网络或分类器的输入特征向量。需要特别注意的是，预处理参数必须与训练数据保持一致，否则导出的模型在部署时会产生特征维度不匹配的错误。
| 数据类型 | 推荐预处理 | 窗口设置建议 | 导出影响 |
|---|---|---|---|
| 加速度计（IMU） | 时域统计 + FFT | 窗口100ms，步长50ms | C++库包含FFT代码 |
| 麦克风（音频） | MFCC（40维） | 窗口30ms，步长15ms | TFLite包含MFCC算子 |
| 摄像头（图像） | 缩放至96x96，归一化 | 单帧处理 | ONNX包含图像预处理层 |
| 环境传感器（温湿度） | 原始值 + 滑动平均 | 窗口1s，步长0.5s | 导出文件较小，无复杂算子 |
2.3 模型训练流程回顾：从特征到分类器的完整链路
Edge Impulse的训练流程分为两个阶段：特征工程与模型训练。在特征工程阶段，平台会将预处理后的数据划分为训练集与测试集（默认80/20比例），并生成特征向量。这一步骤的输出是一个高维特征空间，后续的分类器将在此空间中寻找决策边界。
模型训练阶段，Edge Impulse提供了三种主要方案：
- 神经网络（Dense/Conv/LSTM）：适用于复杂模式识别，如语音命令、图像分类。训练时需关注Epoch数量与学习率，平台默认使用Adam优化器。
- 迁移学习（Transfer Learning）：利用预训练模型（如MobileNetV2）进行微调，适合小数据集场景。导出时需注意是否包含完整的预训练权重。
- EON Tuner：自动搜索最优模型架构与DSP配置组合，以在内存占用与准确率之间取得平衡。EON Tuner的输出结果可直接用于导出，且会生成针对特定硬件的优化代码。
训练完成后，平台会提供详细的性能评估报告，包括准确率、混淆矩阵、F1分数以及模型大小与RAM估算。这些指标是选择导出格式的重要依据。例如，若模型大小超过目标MCU的Flash容量，则需考虑使用TFLite的量化版本或重新训练更紧凑的模型。
ei_run_classifier()即可完成一次推理。
2.4 常见误区与总结复盘
在Edge Impulse的使用过程中，初学者常犯以下错误，这些错误会直接影响导出模型的可用性：
- 数据不平衡：某一类别的样本数量远多于其他类别，导致模型过拟合。解决方法是使用平台内置的"Data augmentation"功能或手动补充样本。
- 预处理参数不一致：在训练时使用了窗口长度200ms，但在部署时通过代码修改为150ms，导致特征维度不匹配。务必在导出前确认预处理配置已锁定。
- 忽略目标硬件约束：在PC上训练了高精度的浮点模型，但目标MCU不支持浮点运算。此时应使用EON Tuner或手动选择8位量化导出。
- 混淆"模型准确率"与"部署性能"：云端验证准确率高不代表在边缘设备上推理结果正确。需检查导出代码中的预处理是否与训练时完全一致，特别是数据归一化参数（均值、标准差）。