2、环境准备：注册Edge Impulse账号、创建项目、导入传感器数据（CSV/实时采集）、数据预览与基础管理

在开始使用Edge Impulse进行边缘机器学习模型开发之前，环境准备是决定后续工作流顺畅度的关键环节。很多初学者在模型训练阶段遇到的数据格式错误、样本标签混乱、设备连接失败等问题，往往可以追溯到环境准备阶段的疏忽。本章将系统讲解从账号注册到数据基础管理的完整流程，帮助您建立一套规范、可复现的数据工程基线。我们将重点解决三个核心问题：如何高效创建项目结构、如何将不同来源的传感器数据正确导入平台、以及如何通过数据预览与基础管理确保训练数据的质量与一致性。

2.1 账号注册与项目创建：从零搭建工作空间

核心原理

Edge Impulse采用基于云端的SaaS架构，所有数据处理、特征生成和模型训练均在云端完成。账号体系分为免费开发者版（Developer）和企业版（Enterprise），两者的核心区别在于数据隐私保护级别、协作功能以及可用的计算资源。免费版允许创建3个公开项目，每个项目有数据存储上限（通常为100MB原始数据），适合学习和小规模原型验证。企业版则支持私有项目、SSO登录、团队协作以及本地部署选项，适用于生产环境。

项目（Project）是Edge Impulse中最基本的工作单元，它封装了数据集、特征生成配置、模型训练结果以及部署目标。一个项目对应一个具体的机器学习任务，例如"基于加速度计的跌倒检测"或"麦克风声音分类"。项目创建时需明确三个关键参数：项目名称（建议使用语义化命名，如"imu_gesture_v2"）、目标设备（影响后续特征生成器的默认参数）以及数据采集方式（决定数据导入的接口类型）。

操作流程

1. 注册账号：访问 https://studio.edgeimpulse.com，支持Google/GitHub账号OAuth登录，或使用邮箱注册。建议使用企业邮箱以便后续升级。
2. 创建项目：登录后点击"Create new project"，输入项目名称和描述。在"Target device"下拉框中选择您实际使用的硬件平台（如ESP32、Arduino Nano 33 BLE Sense、手机等），该选择会影响后续特征生成器的推荐参数。
3. 配置标签体系：在项目设置（Dashboard）中，预先定义好所有类别标签（Label）。例如手势识别项目可定义"up、down、left、right、circle"五个标签。预定义标签可避免后续数据导入时出现拼写不一致的问题。
4. 设置数据采集参数：在"Data acquisition"页面，设置默认采样率（如100Hz）、样本时长（如2秒）以及传感器通道数。这些参数将作为后续数据导入的校验基准。

案例拆解：从零搭建一个振动监测项目

假设您需要为一个工业电机建立振动异常检测系统。初始目标是区分"正常运转"和"轴承磨损"两种状态。在创建项目时，您选择目标设备为"Arduino Nano 33 BLE Sense"（内置IMU传感器），采样率设置为1000Hz（因为振动信号通常需要较高采样率），样本时长为1秒（足够捕捉多个振动周期）。标签体系预定义为"normal"和"fault"。项目创建完成后，您可以在Dashboard中看到项目ID、数据存储用量以及API密钥，这些信息在后续使用CLI工具或API导入数据时至关重要。

常见误区与总结

• 误区1：忽略目标设备选择。目标设备决定了Edge Impulse推荐的传感器配置和特征生成器参数。如果实际使用设备与项目设置不符，可能导致特征生成器输出不匹配。
• 误区2：标签体系设计过于随意。标签名称应使用小写字母和下划线，避免空格和特殊字符。例如使用"bearing_fault"而非"Bearing Fault!"。
• 误区3：不设置采样率基准。如果后续导入的CSV文件采样率与项目设置不一致，Edge Impulse会发出警告，但不会自动重采样，这可能导致特征提取时的时间窗口计算错误。

2.2 传感器数据导入：CSV上传与实时采集双通道

核心原理

Edge Impulse支持两种数据导入模式：批量上传（CSV）和实时采集（Device）。CSV上传适用于已有历史数据或从其他系统导出的数据，其核心要求是数据格式必须符合平台规范：每列代表一个传感器通道，每行代表一个时间采样点，且必须包含时间戳列（或通过采样率推算）。实时采集则通过Edge Impulse的固件（Firmware）在开发板上直接采集数据并无线传输到云端，适用于需要现场采集新数据的场景。

数据导入的底层逻辑是"样本（Sample）"的概念。一个样本是包含固定时长数据的独立单元，例如一个2秒的加速度计数据片段。每个样本必须关联一个标签。Edge Impulse将样本组织为"训练集（Training）"和"测试集（Testing）"两部分，默认按80/20比例随机划分，但用户可手动调整。

CSV文件导入详细步骤

1. 准备CSV文件：文件格式应为纯文本，每列用逗号分隔。第一行可以是列名（如"timestamp,acc_x,acc_y,acc_z"），也可以直接是数据。如果包含时间戳列，建议使用Unix时间戳（毫秒级）或ISO 8601格式。
2. 进入上传界面：在"Data acquisition"页面，点击"Upload data"按钮，选择"CSV file"选项。
3. 配置解析参数：指定CSV文件中的列名映射关系。例如将第1列映射为"timestamp"，第2-4列映射为"acc_x/acc_y/acc_z"。设置采样率（如果CSV中没有时间戳列）或自动检测时间戳。
4. 设置样本切割方式：选择"Split into samples"选项，设置每个样本的时长（如2秒）和重叠率（如0%）。Edge Impulse会自动将长序列数据切割为多个样本。
5. 分配标签：为这批数据指定标签。如果CSV中包含标签列，可自动映射；否则手动选择标签。
6. 上传并验证：点击上传后，系统会进行格式校验。若出现错误，会提示具体行号和原因。

实时采集操作流程

1. 烧录Edge Impulse固件：在"Devices"页面，选择您的开发板型号，下载对应的固件（.bin文件），使用烧录工具（如Arduino IDE或STM32CubeProgrammer）烧录到设备。
2. 连接设备：将开发板通过USB连接到电脑，或通过WiFi/蓝牙连接到Edge Impulse云端。在"Devices"页面点击"Connect"按钮，等待设备状态变为"Online"。
3. 配置采集参数：在"Data acquisition"页面，选择已连接的设备，设置采样率、样本时长和传感器通道（如加速度计、陀螺仪、麦克风等）。
4. 开始采集：点击"Start sampling"按钮，设备开始实时采集数据并上传。采集过程中可实时预览波形。
5. 标注与保存：采集完成后，为样本分配标签并保存。建议每个标签至少采集50个样本，以保证训练效果。

// CSV文件示例（加速度计数据，100Hz采样率）
  timestamp,acc_x,acc_y,acc_z
  1700000000000,0.12,-0.98,0.34
  1700000000010,0.15,-0.97,0.33
  1700000000020,0.11,-0.99,0.35
  ...
  // 注意：timestamp为毫秒级Unix时间戳，间隔10ms对应100Hz采样率

案例拆解：导入历史振动数据并处理采样率不一致问题

某团队有一批从工业数据记录仪导出的振动数据，原始采样率为2000Hz，但Edge Impulse项目设置为1000Hz。直接上传会导致时间戳间隔不一致，特征生成器计算频率特征时出现偏差。解决方案是：在导入前使用Python脚本对数据进行重采样，将2000Hz降采样到1000Hz。具体操作是使用scipy.signal.resample函数，将数据长度减半，并重新生成时间戳。重采样后，数据量从原来的200万行减少到100万行，但保留了关键频率成分（振动信号主要能量集中在500Hz以下，满足奈奎斯特采样定理）。导入后，在数据预览中确认波形无畸变，样本切割正常。

常见误区与总结

• 误区1：CSV文件包含非数值字符。如"NaN"、"null"或空值，会导致解析失败。应在导入前清洗数据。
• 误区2：忽略时间戳精度。如果时间戳使用秒而非毫秒，且采样率较高，会导致时间戳重复，Edge Impulse会报错。
• 误区3：实时采集时设备连接不稳定。WiFi信号弱或USB供电不足会导致数据丢包。建议使用有线连接或确保设备靠近路由器。
• 误区4：样本时长设置过短。对于振动信号，1秒样本可能不足以捕捉完整的故障特征周期。建议根据信号特性设置样本时长，通常为信号周期的5-10倍。

2.3 数据预览与基础管理：质量保障的第一道防线

核心原理

数据预览（Data Preview）是Edge Impulse提供的可视化工具，用于在训练前检查数据的正确性和分布情况。它支持时域波形图、频谱图以及多通道对比视图。数据管理则包括样本的增删改查、标签调整、数据集划分以及版本控制。良好的数据管理习惯可以显著减少模型训练中的调试时间。

数据预览的核心价值在于发现"隐性错误"：例如传感器通道接反（X轴和Y轴数据互换）、信号饱和（数值恒定在最大值）、基线漂移（信号缓慢偏移）等。这些问题在数值统计中可能不明显，但在波形图中一目了然。

数据预览操作指南

1. 进入预览界面：在"Data acquisition"页面，点击任意样本的"Preview"按钮，或点击"Raw data"标签页查看所有样本。
2. 选择视图模式：支持"Time series"（时域）、"Spectrogram"（频谱）、"FFT"（快速傅里叶变换）三种视图。对于振动信号，建议同时查看时域和频谱。
3. 多通道对比：勾选多个通道（如acc_x、acc_y、acc_z），观察它们之间的相位关系和幅值比例是否合理。
4. 检查统计指标：查看每个通道的均值、方差、最大值、最小值。如果某个通道的方差接近0，说明该传感器可能未正常工作。

数据基础管理功能详解

案例拆解：通过数据预览发现传感器通道错位问题

某团队在采集人体运动数据时，使用IMU传感器（包含加速度计和陀螺仪）。在数据预览中，他们发现acc_x通道的波形与预期不符——当设备水平放置时，acc_x应接近0，但实际显示为-1g（重力加速度）。进一步检查发现，传感器在PCB上的安装方向与预期不同，导致X轴和Z轴数据互换。通过数据预览的时域波形对比，团队迅速定位了问题，并在后续采集中调整了传感器坐标映射。如果没有数据预览，这个问题可能在特征生成阶段才暴露，导致模型训练失败。

常见误区与总结

• 误区1：跳过数据预览直接训练。这会导致模型在异常数据上学习，产生"垃圾进，垃圾出"的结果。
• 误区2：数据集划分不均衡。如果某个标签的样本量远少于其他标签，模型会偏向多数类。建议使用"Stratified split"（分层抽样）确保每个标签在训练集和测试集中的比例一致。
• 误区3：不进行版本管理。当数据多次更新后，无法追溯模型训练时使用的具体数据版本，导致实验不可复现。
• 误区4：忽略数据平衡性检查。在"Dashboard"页面可以查看每个标签的样本数量直方图。如果发现某个标签样本过少（如少于20个），应补充采集或使用数据增强技术。

通过本章的学习，您已经掌握了Edge Impulse环境准备的核心技能：从账号注册到项目创建，从CSV批量导入到实时采集，从数据预览到基础管理。这些看似基础的操作，实际上是构建高质量机器学习模型的地基。在下一阶段，您将进入特征生成器的参数选择环节，届时您会深刻体会到，干净、规范、有代表性的数据是特征工程成功的前提。请务必在实际项目中反复练习本章内容，形成自己的数据管理SOP（标准操作流程）。