嵌入式机器学习平台Edge Impulse图像分类 – 快速入门

陈拓 2025/05/08-2025/05/11

1. 简介

• 官方网址

https://edgeimpulse.com/

适用于任何边缘设备的人工智能：

Gateways - 网关

Sensors & Cameras - 传感器和摄像头

Docker Containers - Docker容器

MCUs, NPUs, CPUs, GPUs

构建数据集、训练模型并优化库以直接在设备上运行；从最小的微控制器到具有最新神经加速器的网关（以及介于两者之间的任何东西）。

构建 – 训练 – 优化 – 部署

2. 申请Edge Impulse上的一个免费帐户

3. 准备工作

为方便阅读，有的页面翻译成了中文，必要时附上英文页面对比。

3.1 登录账户

3.2 创建项目

• 点击Create new project

点击 – 创建新项目

下拉找到 – 危险区域

 

3.3 启动入门教程

是的，清除我的项目

3.4 进入欢迎界面

欢迎界面在你第一次登录时也能看到。

选择 - 图像分类，构建我的第一个模型

4. 图像分类体验

4.1 第1步：确定模型应该分类的内容

选择两类物体，比如铅笔和电池。

4.2 第2步：使用手机收集图像

机器翻译将Impulse译为冲动。翻译为“流程”比较贴切，因为Impulse在这里表示端到端的处理流程 （数据输入 → 处理 → 模型输出）。

关于“使用手机收集图像数据”的文档见：

https://docs.edgeimpulse.com/docs/tutorials/data/data-ingestion/image-classification-mobile-phone

用手机上带二维码扫描的浏览器（我用小米浏览器）收集图像数据。

将手机连接到项目后，就可以开始拍摄图像并构建数据集了。通过手机的用户界面，可以快速收集图像。

收集的图像数据：

数据集：

4.3 第3步：设计你的冲动（Impulse）

鼠标点击主页面，进入Impulse参数配置页面，我们保持默认值。

点击右下角的简历教程按钮回到Impulse流程：

4.4 第4步：数字信号处理

DSP处理结果：

4.5 第5步：生成特征

生成特征，将原始图像数据转换为机器学习模型可理解的数值特征 。

等待成功：

查看特征：

4.6 第6步：训练神经网络

等待训练完成。

查看神经网络设置和模型训练结果：

4.7 第7步：测试模型

用手机扫二维码：

首先要在手机上构建项目，将模型部署到你的手机上，这个过程要几分钟的时间，接下来就可以测试了。

4.8 第8步：查看摘要

5. 模型改进和实验

如果有需要可以对模型进行改进和再实验。

6. 将模型部署到其他设备上

开发好的模型可以部署到很多其他设备上。

 

• 默认部署

点击 – 部署，打开部署页面，显示默认部署 – 浏览器

用手机浏览器扫描二维码可以再次测试刚才模型。

• 部署到其他设备

点击 - 搜索部署选项

选择你需要部署的目标设备、库以及其他选项。

比如，选择乐鑫的ESP32-EYE开发板：

进行部署配置和构建

有关在ESP32开发板上部署Impulses的细节，可以看Edge Impulse的官方文档：

“On your Espressif ESP-EYE (ESP32) development board”

https://docs.edgeimpulse.com/docs/run-inference/cpp-library/running-your-impulse-esp32