任务要求：

      任务一：用自带的麦克风，搭建机器学习模型，使板卡上的LED灯根据中文语音指令（不少于三个指令）呈现出不同效果，如开灯、关灯、闪烁、SOS、呼吸等。

      本次用 syntiant tinyml 的板子 基本实现了第一条的功能。即成果展示中的，可以识别 ：“开”，“关”，“停”，三个中文指令，并且根据指令的不同，去点亮不同的RGB灯。

   具体的实现流程如下：

   首先得 搭建arduino的开发环境，我这个arudino的开发环境，着实是卡了我将近半个月之久，从一遍一遍的从github上下载代码，不行。再到一条条的修改报错的头文件路径，还是不行。在群里进行求助后，问题得到了一些解决思路后，我按照github上的readme手册上给出的步骤，一步一步手动构建和安装相应的库和修补usb的一个文件后，再次编译，终于有了相应的编译成果的结果。当时我特别的高兴。

   在用edge impluse 采集训练数据，在部署到自己的板子上。可以根据网页的内容指导进行使用和训练。

   再进行编写用户的逻辑函数。下面是我的逻辑函数：

void on_classification_changed(const char *event, float confidence, float anomaly_score) {

    // here you can write application code, e.g. to toggle LEDs based on keywords
    if (strcmp(event, "kai") == 0) {

        digitalWrite(LED_RED, LOW);
        digitalWrite(LED_GREEN, LOW);
        digitalWrite(LED_BLUE, LOW);
        // Toggle LED
        digitalWrite(LED_RED, HIGH);
        delay(5000);
        digitalWrite(LED_RED, LOW);
    }

    if (strcmp(event, "guan") == 0) {
      
        digitalWrite(LED_RED, LOW);
        digitalWrite(LED_GREEN, LOW);
        digitalWrite(LED_BLUE, LOW);
        // Toggle LED
        digitalWrite(LED_GREEN, HIGH);
        delay(5000);
        digitalWrite(LED_GREEN, LOW);
    }
        if (strcmp(event, "ting") == 0) {
  
        digitalWrite(LED_RED, LOW);
        digitalWrite(LED_GREEN, LOW);
        digitalWrite(LED_BLUE, LOW);
        // Toggle LED
        digitalWrite(LED_BLUE, HIGH);
        delay(5000);
        digitalWrite(LED_BLUE, LOW);
    }
}

 这部分的程序，主要是修改irmware-syntiant-tinyml的例程。

下面的是识别相关的函数：

    if (doInt)
    {
        doInt = 0;
        // Poll NDP for cause of interrupt (if running from flash)
        if (runningFromFlash)
        {
            match = NDP.poll();

            if (match)
            {
                // Light Arduino LED
                digitalWrite(LED_BUILTIN, HIGH);

                ei_classification_output(match -1);

                printBattery(); // Print current battery level

            }
        }
        else
        {
            match = 1;
        }
    }
    digitalWrite(0, HIGH);

暂时是由官方提供的sdk上的。

下面是 edge impluse的训练结果

下面是效果展示部分：

   （我训练了一千条数据，可识别效果仍然不算太好，中文指令可以识别到，但是总存在误触发的情况，暂时还没有完美的解决方案。）

心得与体会：

通过本次的的funpack的活动，我体验到了基于ndp101的人工智能的语音识别，学会了用 impluse edge 的网站来为自己的嵌入式系统，来训练相应的模型，并且利用该网站进行采集数据，和训练数据。借此，了解到了如何在该网站上搭建一个合适于自己的神经网络模型。并且对相关的参数进行设置，以及开始训练前的参数设计。并且用该网站提供的工具验证自己的网络模型的准确度，最后构建工程文件，来将模型构建到自己的板子上，实现出专属于自己的神经网络。

   训练模型时，采用较高的训练次数，可能导致数据的过拟合，会影响网络对新数据的识别效果，但时如果训练次数不够的话，则会导致整体的识别率不高的现象出现。

   对于本次的成果效果，我也不怎么满意，主要的问题出现在，在拥有环境噪声的时候，且没有说出指令词之前，存在概览误识别出发三个中文指令中的一个的现象，也存在在说完一个相应的中文指令后，识别到了该指令，产生对应的现象后，却再次出现误识别的现象，出现其他指令识别到的跟在正确的指令后。  对于这两个问题，我暂时也没有想到很好的解决方案。只能暂时的容忍这。我本来想从数据方面进行改善，在记录数据时，尽量关闭周围的噪声源，尽量放声时，音调尽可能的保持一致，等措施进行弥补，但是随着训练数据的慢慢上涨，最终的训练模型也没有逐渐的改善。遇到了这个arudino的开发环境的问题，着实是卡了我将近半个月之久，从一遍一遍的从github上下载代码，不行。再到一条条的修改报错的头文件路径，还是不行。在群里进行求助后，问题得到了一些解决思路后，我按照github上的readme手册上给出的步骤，一步一步手动构建和安装相应的库和修补usb的一个文件后，再次编译，终于有了相应的编译成果的结果。当时我特别的高兴。还有之后遇到了bat烧录不进去，arduino-cli的安装问题，和arduino-cli 无法进行相应的工具下载的问题，都是这样一点一点，或者群里求助，或者自己百度搜索解决方案，终于编译出了自己的可以进行下载的arduino程序和神经网络模型。

   这次活动我学到了很多很多，比如说，做什么事，不要只自己埋头苦干，而是要自己的多尝试，不要胡想乱想，而要踏踏实实的干，只有落实到了实物上，才称得上是自己的作品，而不是停留到构想上。