整条链路回顾

开箱与环境搭建。 e2studio + FSP 的组合本身很顺，麻烦在这块板子不在默认 BSP 列表里，得先 clone 官方的 cpk_examples 仓库，把 CMSIS Pack 导进去才认得出 CPK_RA8D1。MIPI 屏那一套 GLCDC + DSI + D-PHY 的时序参数手动配根本推不出来，最后老实用官方例程当底座。加上快递把拓展板的屏幕压碎了，前期基本是在跟环境和硬件较劲。

数据采集。 这块最典型的坑是 Arduino 接口的 SDA/SCL 位接到了 RA8D1 上根本没有 IIC 复用能力的 PA14/PA15，两个硬件 IIC 通道的可用引脚又被 SDRAM、摄像头、OSPI、MIPI 一层层占掉，最后只剩 I3C 排针引出的 P511/P512 能用（当普通 I2C 走，改开漏输出）。MPU6050 挂上去，按键触发采集，边采边打 CSV，原始值在片上就转成整数工程单位，避开浮点。静止、拿起、晃动三个动作各采 50 组。

模型训练。 两层一维卷积 + BatchNorm + 全连接的轻网络，输入 6 轴 × 300 时间点，全局平均池化后出三类 logits。三个动作信号区分度本来就高，训练很快收敛，测试集准确率稳定在 0.96~1.0。

端侧部署。 这一篇坑最密：

• BatchNorm 折叠——推理期 BN 退化成逐通道仿射，和前面的卷积合成一个线性变换，折完 fp32 无损（最大误差 1.9e-6）。

• 归一化折叠的 fp32/int8 分岔——fp32 路线把归一化折进权重，设备喂原始值最省事；但 int8 的 per-tensor 量化要求整张量数值范围接近，陀螺的 50 万和加速度的 4000 塞一起，加速度直接被量化台阶碾平，准确率从 100% 掉到 75%。所以两条路线折叠策略正好相反：int8 得把归一化留在设备端，让六个通道都落在 $[-1,1]$。

• 框架的隐式改图——TFLite 没有原生 Conv1D，转换器把它映射成 $H=1$ 的 CONV_2D，前后垫 EXPAND_DIMS/RESHAPE。这次数值逐条一致是虚惊，但也印证了框架路线"每次格式转换都是在赌它对了"。

• FSP 版本冲突——mipi 例程底座是 FSP 5.3.0，TFLM 只有 6.5.0 的包，CMSIS-NN 从 4.x 到 7.x 的函数签名全变了。只能把 BSP 的 FSP 升到 6.5.0，同时把 C++11 改成 C++17。跨三个大版本升级，是整个工程里风险最高的一步。

最终产物 imu_net_int8.tflite 8752 字节，板上单次推理约 18ms，三个动作都能准确识别。

LVGL 显示。 桌宠动图量化成 8bpp 调色板 + 逐帧 RLE，三组合计 926KB。这一篇的坑集中在：

• FreeRTOS 陷阱——LVGL 的 LV_USE_OS 默认是 LV_OS_FREERTOS，而工程是不是 RTOS 工程在建工程那一步就定死了，Components 里勾 FreeRTOS 只拷内核源码、不生成端口层和配置头。裸机工程补不出来，只能把 LV_USE_OS 改成 LV_OS_NONE。

• 222 宽度的对齐——屏是 H0233S001，222×480，Macro Line 要求 64 字节对齐，而 $222 \times 2 = 444$ 不是 64 的倍数。正确组合是缓冲宽度 224、输出宽度 222，即 .hsize=222、.hstride=224。

• 阻塞改非阻塞——原来的 IMU 采集是死等 3 秒采满 300 样本，动画一帧才 120ms，堵 3 秒就是 25 帧空白直接卡死。改成环形缓冲 + 滑动窗口，全塞进主循环，攒够 50 个新样本（0.5 秒）才摊平推理一次。

• 堆炸——裸机 + Dave2D 默认 4KB 堆第一次绘制就 BFSR 0x82（精确总线故障），改到 64KB 才够。

动作切换定了条防抖规则：非待机动作立刻打断当前播放，回待机要等当前动作把遍数播完，播完回到分类器当下想要的状态

这块板子的整体印象

RA8D1 的定位很清楚：Cortex-M85 + Helium + 2D 绘图引擎 + SDRAM 控制器，就是奔着图形和端侧 ML 去的。CoreMark 3000+ 的算力跑 tinyML 推理绰绰有余，18ms 一次分类几乎没感觉；SDRAM 帧缓冲加双缓冲让 LVGL 跑得很稳。这些硬实力没得挑。

不太顺手的地方也集中在"外围搭配"上：这块拓展板可自由支配的 IO 被高速外设占得所剩无几。另外官方例程虽然能当底座，但 FSP 版本和 TFLM 包之间的错配需要自己升级化解，这一步对新手有一定劝退。

最终效果

新拓展板到位后补上完整演示，手势 → 动画的联动跑得很干净：静止时待机，晃动切委屈，拿起化蝴蝶，屏上表情跟着手上动作走，18ms 的推理延迟在观感上完全无感。

至此，从开箱、环境搭建，到 IMU 采集、模型训练、tinyML端侧部署，再到 LVGL 图形联动，整条链路全部跑通，测评收官。

最后要特别感谢瑞萨（RA）的工作人员。开箱时拓展板的屏幕在快递途中被压碎了，反馈之后 RA 很快就补发了一块新的拓展板过来，让这次测评能够完整跑通并做出最终演示

• 第一篇《开箱+开发环境搭建》：https://forum.eepw.com.cn/thread/401605/1

• 第二篇《IMU动作识别的数据采集与模型训练》：https://forum.eepw.com.cn/thread/401629/1

• 第三篇《TFLM端侧部署》：https://forum.eepw.com.cn/thread/401635/1

• 第四篇《LVGL显示动画》：https://forum.eepw.com.cn/thread/401641/1