4、设备端数据采集：传感器类型选择、采样频率与分辨率设置与数据采集流程
在Edge Impulse生产项目中，数据采集是决定模型性能上限的基石。无论后续采用云端训练还是本地推理，模型所能达到的准确率、鲁棒性与泛化能力，都直接受制于采集数据的质量、覆盖度与真实性。本章将聚焦于设备端数据采集的三个核心环节：传感器类型的选择依据、采样频率与分辨率等关键参数的设置方法，以及从实时采集到文件导入的完整操作流程。我们将结合Edge Impulse平台的具体功能，深入剖析如何为不同应用场景构建高质量的数据集。
4.1 传感器类型选择：从物理世界到数字信号
传感器选型是数据采集的第一步，其本质是将目标物理量（如加速度、声压、光强）转换为可被微控制器或处理器读取的电信号，并最终量化为数字值。在Edge Impulse项目中，常见的传感器类型包括加速度计（Accelerometer）、麦克风（Microphone）和摄像头（Camera），它们分别对应运动、声音和视觉三类典型的边缘AI应用。
4.1.1 核心原理：传感器与信号链
每种传感器都有其特定的信号链路径。以加速度计为例，MEMS（微机电系统）芯片感知重力或运动引起的惯性力，通过电容变化转换为模拟电压，再经ADC（模数转换器）输出数字量。麦克风则通常采用PDM（脉冲密度调制）或I2S（集成电路内置音频总线）接口输出数字音频流。摄像头模组通过DCMI（数字摄像头接口）或USB/UART传输图像帧。理解信号链有助于我们判断噪声来源和带宽限制。
1. 物理量匹配： 明确需要检测的物理现象（振动、声音、图像）。
2. 接口兼容性： 开发板是否支持该传感器的通信协议（I2C、SPI、I2S、PDM、DCMI）。
3. 功耗与带宽： 电池供电设备需优先考虑低功耗传感器，并评估数据吞吐量对传输带宽的影响。
4. 成本与尺寸： 生产级项目需权衡BOM成本与PCB面积。
4.1.2 判断方法：根据应用场景选择传感器
下表总结了不同应用场景下的传感器推荐及关键参数考量：
| 应用场景 | 推荐传感器 | 关键参数 | Edge Impulse支持 |
|---|---|---|---|
| 工业设备预测性维护 | 加速度计 (ADXL345, LIS3DH) | 量程±16g，带宽1kHz | 内置驱动，支持Fusion |
| 语音唤醒/关键词识别 | PDM麦克风 (MP34DT05) | 采样率16kHz，信噪比>60dB | 内置音频块，支持MFCC |
| 视觉缺陷检测 | 摄像头 (OV2640, OV7670) | 分辨率QVGA/VGA，帧率30fps | 支持图像缩放与裁剪 |
| 人体活动识别 | IMU (MPU6050) | 6轴数据，输出频率100Hz | 支持原始数据流 |
4.1.3 实战场景：智能门铃的传感器选型
假设我们要开发一款基于Edge Impulse的智能门铃，需要识别“敲门”和“门铃按键”两种事件。初始方案采用麦克风采集声音，但实际测试发现环境噪声干扰严重。通过分析信号链，我们增加了加速度计贴在门板上，用于检测敲门引起的振动。最终方案采用“麦克风+加速度计”融合方案：麦克风负责识别门铃声，加速度计负责识别敲门振动。这种多传感器融合策略显著提升了识别准确率，从单一麦克风的78%提升至94%。
4.2 采样频率与分辨率设置：平衡精度与资源
采样频率（Sample Rate）和分辨率（Resolution）是数据采集中最核心的两个参数。它们直接决定了数据的“保真度”和“数据量”，进而影响模型训练效果和边缘设备上的推理性能。
4.2.1 核心原理：奈奎斯特定理与动态范围
根据奈奎斯特采样定理，采样频率必须大于信号最高频率的两倍，才能无失真地重建原始信号。例如，人声频率范围约为300Hz-3.4kHz，因此16kHz采样率是语音识别的常用选择。分辨率则决定了ADC能区分的最小信号变化量，通常以bit为单位。12位分辨率意味着可以将满量程电压分为4096份，而16位则分为65536份。更高的分辨率能捕捉更微弱的信号变化，但也会增加数据量和噪声敏感度。
4.2.2 操作流程：在Edge Impulse中配置参数
在Edge Impulse的Data Acquisition页面中，配置采样参数的具体步骤如下：
- 选择传感器： 在“Select a sensor”下拉菜单中选择已连接的设备或导入的数据集。
- 设置采样频率： 在“Sample rate (Hz)”输入框中填入目标频率。对于加速度计，常用100Hz；对于音频，常用16000Hz。
- 设置采样时长： 在“Sample length (ms)”中填入窗口长度。例如，对于关键词识别，通常设置1000ms（1秒）的窗口。
- 调整分辨率： 部分传感器允许在驱动层配置分辨率。在Edge Impulse中，分辨率通常由传感器驱动固定，但可通过增益设置调整动态范围。
4.2.3 案例拆解：电机振动监测的参数优化
某工厂需要对电机进行故障诊断，采集振动信号。初始设置采样频率为800Hz，分辨率为12位。采集的数据在训练时发现模型准确率仅为82%。通过频谱分析发现，电机轴承故障的特征频率集中在250Hz-350Hz。于是将采样频率调整为1kHz（满足奈奎斯特定理），并保持12位分辨率。调整后，模型准确率提升至91%。进一步实验发现，将分辨率提升至16位并未带来显著提升，反而使数据量增加33%，因此最终方案采用1kHz采样率+12位分辨率。
| 参数 | 初始值 | 优化值 | 效果对比 |
|---|---|---|---|
| 采样频率 | 800 Hz | 1 kHz | 准确率+9% |
| 分辨率 | 12 bit | 12 bit | 数据量不变 |
| 窗口长度 | 2000 ms | 2000 ms | 特征稳定 |
4.3 数据采集流程：实时采集、CSV导入与移动端采集
Edge Impulse提供了三种主要的数据采集方式：实时采集（通过串口/蓝牙连接开发板）、CSV文件导入（适用于已有数据集）以及使用手机或开发板进行现场采集。每种方式都有其适用场景和操作要点。
4.3.1 核心原理：数据流与标注
无论采用哪种方式，数据采集的最终目的是生成带标签的样本数据。Edge Impulse要求每个样本都有一个类别标签（Label），用于监督学习。数据流从传感器→设备固件→Edge Impulse云端，在云端完成数据存储与预处理。实时采集时，设备通过USB或BLE将数据流式传输到PC，再由Edge Impulse桌面端或Web端接收。
4.3.2 操作流程：三种采集方式详解
方式一：实时采集（开发板直连）
1. 在Edge Impulse中创建新项目，选择“Data Acquisition”。
2. 将开发板（如Arduino Nano 33 BLE Sense）通过USB连接电脑。
3. 在“Device”下拉菜单中选择已识别的设备。
4. 设置采样频率和样本时长，输入标签（如“knock”）。
5. 点击“Start sampling”开始采集，设备会实时上传数据。
6. 采集完成后，样本自动保存至“Training data”或“Test data”集。方式二：CSV文件导入
1. 准备CSV文件，格式为每行一个样本，列包含时间戳和传感器值。
2. 在Edge Impulse中点击“Upload data”按钮。
3. 选择“CSV file”选项，上传文件。
4. 指定数据格式（如“time series”或“image”），并分配标签。
5. 系统自动解析并生成样本。方式三：手机或开发板采集
1. 使用Edge Impulse移动端App（iOS/Android）采集加速度计或麦克风数据。
2. 或使用开发板内置的传感器，通过Edge Impulse固件进行数据记录。
3. 手机采集适合快速原型验证，开发板采集适合真实环境数据。4.3.3 案例拆解：构建“敲门”识别数据集
我们为智能门铃项目构建数据集。目标类别包括“敲门”、“门铃”、“环境噪声”。使用开发板实时采集，每个类别采集5分钟数据，共15分钟。将数据切分为1秒窗口，得到900个样本。其中70%用于训练，30%用于测试。在采集过程中，我们刻意在不同时间段（白天/夜晚）、不同敲击力度下采集，以增强模型鲁棒性。最终模型在测试集上达到96%的准确率。
□ 确定类别与样本数量（每类至少100个样本）
□ 设置合理的采样频率与窗口长度
□ 覆盖多样化的场景（不同人、不同环境、不同时间）
□ 确保数据平衡（各类别样本数相近）
□ 采集后立即进行数据质量检查（波形可视化、频谱分析）
4.3.4 常见误区与总结复盘
误区一： 忽略数据平衡。若“环境噪声”样本远多于“敲门”样本，模型会偏向多数类，导致少数类识别率低。解决方法是控制各类别采集时长一致，或使用数据增强技术。误区二： 采样频率设置过高导致数据冗余。例如，对于缓慢变化的温度信号，1Hz采样率已足够，使用100Hz只会浪费存储。误区三： 采集环境过于单一。只在实验室采集的数据，在真实场景中往往表现不佳。务必在目标部署环境中采集数据。