1. 任务对应关系
本报告对应活动要求:
通过 NanoEdge AI Studio 工具对相关数据进行训练并生成可用模型并部署,可分辨不同的运行状态。
2. 当前项目参数
| NanoEdge 版本 | v5.3.0 |
| 项目名称 | C542-Motor-Stop-Normal-v1 |
| 任务类型 | Classify variations of your signal |
| 目标板 | NUCLEO-C542RC |
| 内核 | Cortex-M33 |
| 信号类型 | Time Series / Accelerometer |
| 轴数 | 3 axes |
| 类别 | stop、normal |
| 采样率 | 标称 100 Hz |
| 输入窗口 | 每轴 256 点,三轴交错共 768 个数值 |
3. 开始前检查
3.1 文件检查
导入前检查:
CSV 不要有表头;
每行必须有 768 个数值;
三轴顺序必须保持 X/Y/Z 交错;
不要导入 dataset.json;
不要把测试集放进 Benchmark;
4. 创建项目
打开 NanoEdge AI Studio v5.3.0。
点击 NEW PROJECT。
选择 Classify variations of your signal。
项目名称填写 C542-Motor-Stop-Normal-v1。
目标板选择 NUCLEO-C542RC;如果工具没有该板卡选项,选择与 STM32C542RCT6 资源和 Cortex-M33 约束匹配的自定义配置,并在报告中记录实际选项。
选择 Accelerometer、Time Series、3 axes。
设置或记录 RAM 约 32 KiB、Flash 约 160 KiB 的模型预算。
创建项目并进入 Signals 页面。

5. 导入两类信号
5.1 导入 stop 类
在 Signals 页面创建或选择第一类,命名为 stop。
选择项目内的训练文件:
train/stop.csv
确认工具显示约 54 lines、768 columns。
等待导入完成后保存项目。
5.2 导入 normal 类
创建第二类,命名为 normal。
选择:
train/normal.csv
确认同样显示约 54 lines、768 columns。

6. Benchmark 模型搜索
进入 Benchmark 页面。
确认两类信号均已加载,输入维度为 3 轴、每轴 256 点。
点击开始优化或开始 Benchmark。
等待搜索完成,不要在搜索过程中关闭后端窗口或杀掉 NanoEdge 进程。
搜索结束后查看候选模型的准确率、RAM、Flash、延迟和功耗相关指标。
选择满足目标资源的模型;不能只看准确率,还要核对模型大小和推理时间。
保存 Benchmark 结果、模型 ID、工具版本和项目备份。

7. 独立测试集验证
训练搜索完成后进入 Validation 页面。验证必须使用未参与 Benchmark 的测试数据:
test/stop.csv test/normal.csv
操作步骤:
选择刚刚保存的候选模型。
导入测试集 stop.csv,标记为 stop。
导入测试集 normal.csv,标记为 normal。
运行 Validation。

8. Deployment 导出
在 Validation 达到可接受结果后进入 Deployment:
选择 Cortex-M33 和 GCC 工具链。
确认浮点选项与板级工程一致;当前工程使用硬浮点编译属性,最终以工具页面和生成库文档为准。
选择导出模型库和头文件。
导出 ZIP 或工具要求的部署包。
将导出的文件复制到活动目录的模型归档目录,不覆盖原始数据。
保存 NanoEdgeAI.h、libneai.a 或工具实际生成的库文件、metadata.json、资源报告和生成库文档。

9. 接入 STM32 工程
当前工程预留以下 CMake/编译配置入口:
MOTOR_NANOEDGE_INCLUDE MOTOR_NANOEDGE_LIBRARY MOTOR_NEAI_STOP_CLASS MOTOR_NEAI_RUN_CLASS MOTOR_NEAI_ODR_HZ=100 MOTOR_NEAI_PROBABILITY_SCALE
接入顺序:
把 NanoEdge 生成的头文件和库放到单独的模型目录。
在 CMake 中加入 include 路径和静态库链接路径。
根据真实头文件设置类别数量、类别 ID、输入轴数和窗口长度。
初始化 NanoEdge 库,检查返回值。
每收集满一个 256 点窗口后调用分类接口。
根据实际返回类别读取对应概率,不能固定读取 probabilities[0] 作为当前类别置信度。
记录类别、置信度、窗口序号和推理耗时。
连续多个窗口确认后再改变 LED 状态或输出状态文本。
模型不可用、初始化失败、类别 ID 越界或概率非法时,进入 UNKNOWN,不能把异常结果显示成正常运行。
10. 构建、下载和在线验证
生成库接入后重新构建板级工程,确认:
ARM 链接成功;
Flash/RAM 没有超预算;
生成库 ABI 与 GCC/浮点属性一致;
串口启动日志出现 MODEL,READY;
status 显示模型可用;
ai on 不再返回无模型保护错误。
实验结果:
我要赚赏金
