VIP20

本课程属于：007-ONNX模型转换与算子兼容 工业控制与工业互联网 · 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

TinyML环境监测项目：ONNX模型端侧部署教程

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

TinyML与边缘计算概述 · 环境监测应用场景 · 课程目标与学习路径

课程导入TinyML

环境监测基础

常见环境参数（温度 · 湿度 · 空气质量

环境监测基础常见环境参数

TinyML技术栈概览

嵌入式机器学习流程 · 端侧推理约束（内存 · 功耗

TinyML技术栈概览

ONNX模型格式详解

ONNX的由来 · 模型结构 · 算子集

ONNX模型格式详解

环境监测数据准备

数据采集方法 · 数据清洗 · 标注

环境监测数据准备数据采集方法

特征工程与预处理

时间序列特征提取 · 归一化 · 滑动窗口

特征工程预处理

模型选择与设计

适用于TinyML的轻量级网络（如M… · TinyML专用架构） · 模型复杂度与精度权衡

模型选择设计

模型训练基础

使用Python训练环境监测模型（如… · 异常检测） · 训练流程与超参数调优

模型训练基础Python

模型导出为ONNX

PyTorch/TensorFlow… · 算子兼容性检查 · 动态轴处理

ONNX模型导出为

ONNX模型优化

图优化 · 算子融合 · 量化（INT8/FP16）

ONNX模型优化

ONNX Runtime介绍

ONNX Runtime核心功能 · 跨平台支持 · CPU/GPU/NPU加速原理

端侧推理引擎选择

TFLite Micro · CMSIS-NN · ONNX Runtime Mobil…

端侧推理引擎选择TFLite

硬件平台与开发环境

常见MCU（STM32 · ESP32 · Arduino）

硬件平台开发环境

模型部署流程总览

从ONNX到端侧二进制 · 转换 · 编译

模型部署流程总览ONNX

ONNX转TFLite/量化模型

使用onnx2tf或ONNX Run… · 量化感知训练与后训练量化

端侧C++推理实现

编写C++推理代码 · 加载模型 · 输入输出张量处理

传感器数据接入与预处理代码

在MCU上读取传感器 · 实现滑动窗口与特征提取的嵌入式代码

传感器数据接入预处理代码

模型推理与后处理

在端侧执行推理 · 输出解析 · 阈值判断

模型推理后处理

室内温度预测模型——从数据采集到ON…

空气质量分类（PM2.5/CO2）—… · ONNX转换与端侧部署

案例实战PM2.5/CO2

环境异常检测（如火灾预警）——使用O…

案例实战环境异常检测

性能优化与功耗管理

推理延迟优化 · 内存占用降低 · 低功耗模式与电池供电设计

性能优化功耗管理

模型精度与鲁棒性验证

端侧测试方法 · 校准数据集 · 误差分析

模型精度鲁棒性验证

常见问题与调试技巧

ONNX转换失败 · 算子不支持 · 内存溢出

常见问题调试技巧

安全性与可靠性

模型加密 · 防篡改 · 数据隐私

安全性可靠性

多传感器融合与边缘智能

多模态数据融合 · 在MCU上运行多个模型或联合推理

多传感器融合边缘智能

云边协同与OTA更新

端侧模型远程更新 · 与云端通信 · 模型版本管理

OTA云边协同

完整环境监测系统——从需求分析 · 硬件选型 · 模型训练到端侧部署与测试

项目实战完整环境监测系统

TinyML最新趋势 · AutoML在TinyML中的应用 · 模型压缩前沿技术

综合提升TinyML

课程总结与拓展

项目复盘 · 常见误区 · 学习资源推荐

课程总结拓展