TL;DR

在MCXN947上，使用eIQ训练的模型，进行物体分类识别

各位电子森林网友，好久不见大家好。这期是电子森林第三季第四期的活动，我提交的报告是恩智浦mcxn97基于eIQ的机器学习任务。

FunPack的活动是电子森林联合得捷发起的，指定时间内完成任务全额退的活动，第三季第四期的板卡是来自NXP的FRDM-MCXN947板卡。

自我介绍

我是机器学习和MicroPython的爱好者，在以往的活动者主要是以Python为主要开发语言，在这一期中，我选择的是任务三。使用eIQ，NPU实现机器学习加速，搭配摄像头模组。向MCU直接发送图像进行识别测试，最终实现。鞋子或者帽子的检测。

为什么选择机器学习的任务？众所周知。现在是万物AI的时代，机器学习也是的重要组成部分。此外，板卡第一板卡出NXP。有强大的品牌背书，第二个同样是，对我来说是比较新奇的是ARM架构。第三点，MCXN947块板卡有众多丰富的接口和外设板卡部分。比如说。神经网络处理单元，以太网口，USB type C,还有看总线接口

实现逻辑

关于本次任务的实现逻辑。如图所示，

第一步是训练模型。

第二步，训练好的模型并将代码烧入到开发版

第三步使用。外接摄像头进行识别和验证

设计思路

主要包含五大步骤，

第一是关于素材的选取。AI模型的识别算法离不开大量的图片。

本次任务使用的图片均来自Kaggle。而且是CC0的使用许可

训练部分主要使用NXP官方的eIQ

在代码编辑部分使用官方的MCUXpresso IDE

代码库码库是dm-label-cifar10-images-on-mcxn947

在部署部分，需要修改对应的模型和模型内标签（注意顺序）

在调试部分，因为没有购入显示模块。我选择在串口调试工具中输出识别结果

软件清单

模型训练的eIQ， 第二个是MCUXpresso IDE，第三个是ACH Label CIFAR10 image官方应用代码仓库里的示例，

在串口调试工具中我选择了Com Tool，

实战环节

第一步是准备图片。使用eIQ进行训练时，需要指定文件夹结构，在主要在文件夹中，分为test的和train两个部分，此外，模型的训练对图片数量和质量也有要求。训练图片数量。在右侧图片中，每个分类准备了将近600个图片。

eIQ 可视化训练模型，

主要包含以下几个步骤，第一导入图片。第二选择基础模型，第三验证模型第四保存模型。以及最后的量化和转化。

在软件开始页面，我们点击 创建项目，选择 导入数据集，

在数据集中我们选择第二类。是有结构的文件夹，左上角部分选择我们的文件，此时软件会弹出，要求我们保存了项目名称。

开始导入文件，导入后我们可以看到。导入的图片已经分为两个标签，

选择模型。

我们使用左下角 基础模型 并选择mobile-net-v1 作为我们的模型，

开始下一步开始正式训练之前，我们需要修改一些训练参数。在输入尺寸选择128*128*3。建议训练精度在 0.0001开始训练，一般建议训练20-50个迭代，

我们可以在。左侧栏看到您的Loss和Metric

训练结束后，开始验证。

验证结果分为两个方式，一个是矩阵。是柱状图，

此时我们会看到，在测试结果中。两个标签的训练，都已经达到了理想的准确度，

第三步我们就开始。导出模型，导出模型我们选择TensorFlow Lite，输入数据类型和输出数据类型为int8,

保存并打开模型，

转化会提示我们可用的转化模块。我们选择最后一项TensorFlow Lite for Neutron作为我们的转化选项。我们选择最后选项进行转化，转化目标选择开发板。mcxn94x保存转化后的模型。

转化已经完成。查看我们的保存文件夹，会看到以converted结尾的模型。这也下一步我们需要在代码中使用的模型如

在IDE中使用模型

第一步引入训练的模型，拷贝模型到对应的目录。

第二修改代码中引用的模型名称，

第二步，修改分类标签。

之后构建和Debug代码，

最后一步通过GUI界面。烧入开发版，

我们主要修改的文件在\dm-label-cifar10-images-on-mcxn947\source，

按照顺序修改的模型标签。

下一步构建项目构建完成后。我们开始把项目刷入我们的开发板板下一步对代码进行检测。

在任务中，我选择的摄像头模块是ov7670。

烧录之后，可以通电开机运行代码。在终端串口工具中查开始查看识别结果。

项目总结

通过本次项目，有以下心得想和大家分享，

第一点是开发板MCXN947做工上成。而且在附带包装中还有开发板针脚布局的纸质图，让人印象深刻。

此外，卡板本身结构丰富。CAN总线,USB总线,温度传感器，板载LED灯一应俱全。

第三点是人工智能加分，比较而言NXP开发工具简单易用，很多场景有直观GUI操作。

第四部分，NXP在IDE和ACH中，提供了大量的案例仓库，容易上手了解开发板。

第五点是MicroPython的预支持，让我作为MicroPython的爱好者也感到欣慰。

当然，事情总是不会很完美，在MicroPython支持尚不完备。比如USB模块和网络模块还没有得到支持。

第二点是。开发本身不支持wi-fi连接，当然NXP也提供了大量的外接扩展,也不是之名缺点。第三点硬件规格方面，仍然提升有的空间，

最后谢谢大家，水平有限，如有错漏，欢迎指正。