我们本次使用的AI训练软件是NanoEdge AI Studio，STM32支持多种端侧AI的实现方案，包括STM32官方提供的 STM32Cube.AI，NanoEdge AI Studio，我们本次主要是进行电机状态检测，属于分配类型的，所以我们这次选择的是更好倾向于异常检测、简单分类/回归（工业声音、振动等）的NanoEdge AI Studio。

        Nanoedge AI Studio是用于STM32部署边缘AI的软件，Studio可生成四种类型的库：异常检测、单分类、多分类、预测。它支持所有类型的传感器，所生成的库不需要任何云连接，可以直接在本地学习与部署，支持STM32所有MCU系列。

        大家可以在ST官网获取NanoEdge AI Studio（https://www.st.com/en/development-tools/nanoedgeaistudio.html#overview），注意获取软件需要进一步进行授权，不过个人用途基本上都可以通过：

        我们本次使用的是windows版本。相关授权码可以通过邮件进行查询。

        首次打开需要输入授权码，这里我选择的是在线验证，离线还需要去网站进一步激活：

        我们创建一个新的项目，进行基础设置，选择传感器和使用的开发板：

        接下来是采集训练集，最好的方式有现成的训练集，一般的训练集都是CSV格式的，但是要注意，不同的环境采集的数据其实是不一样的，比如传感器和电机的安装方式等等都是影响，所以我们本次通过串口进行打印，在上一章节我们已经生成了对应的数据采集程序，通过这个工具可以直接采集对应的数据集，形成CSV：

        注意这里就是一个参考，主要还是需要先安装好对应的传感器和电机关系，在采集状态下的数据集。保存之后我们就完成了单次状态的数据集采集，接下来我们进行不同状态的采集，按键采集就可以了，做种采集了4个分类的4个状态数据集：

        接下来我们用现有数据创建模型推理：

        创建Benchmark的过程会比较慢：