如何在ESP32上使用代码运行TensorFlow模型？

该项目使用在ESP32上运行的TensorFlow Lite创建一个语音控制的机器人。它可以响应简单的单字命令：“左”，“右”，“前进”和“后退”。

硬件部件：

乐鑫ESP32S× 1个

伺服模块（通用）× 2

通用车轮× 2

Gerneric USB移动电源× 1个

I2S麦克风板× 1个

软件应用程序和在线服务：

PlatformIO IDE

我在Google的Commands数据集上使用TensorFlow训练了一个模型。其中包含大约20个单词，我选择了一个很小的单词子集-足以控制机器人的单词，但数量不多，以至于模型变得难以管理。

为了生成训练数据，我们将WAV文件加载到其中，并从每个文件中提取频谱图。

为了获得足够的数据用于命令词，我已经多次重复这些词，以改变音频的位置并添加随机噪声-这为我们的神经网络提供了更多训练数据，并应该有助于其推广。

几个单词-前进和后退的示例更少，因此我更经常重复这些示例。

我最后得到了一个相当简单的卷积神经网络，其中包含2个卷积层，然后是一个完全连接的层，然后是一个输出层。

当我们试图识别多个不同的单词时，我们使用“ softmax”激活函数，并使用“ CategoricalCrossentropy”作为我们的损失函数。

训练模型后，我得到的训练数据准确度不到92％，而验证数据的准确度则超过92％。测试数据集为我们提供了类似的性能水平。

查看混淆矩阵，我们可以看到它主要是将单词误分类为无效单词。这对于我们的用例来说是相当不错的，因为这应该意味着机器人会误判误报而不是误报。

由于模型似乎不适合，我已经在完整的数据集上对其进行了训练。这给了我们大约94％的最终精度，而在混淆矩阵上我们看到了更好的结果。但是，可能会有些过度拟合。

对于实际的机器人，我构建了一个非常简单的两轮机器人。为了驱动车轮，我使用了两个连续的伺服系统和小型动力单元。它具有相当宽的轴距，因为带有ESP32的面包板非常大。

为了在ESP32上运行TensorFlow模型，我使用了TensorFlow Lite。我将其包装在自己的代码中，使其更易于使用。

要读取音频，我们使用I2S-它可以从模拟麦克风的内置ADC读取，也可以直接从I2S数字麦克风读取。

命令检测器由一个任务运行，该任务等待音频样本可用，然后为命令检测器提供服务。

我们的命令检测器将音频数据后退一秒钟，获取频谱图，然后运行预测。

为了提高检测的鲁棒性，我们在多个音频片段上对预测进行了采样，并且还拒绝了在先前检测的一秒钟内发生的任何检测。

如果我们检测到命令，则将其排队等待命令处理器处理。

我们的命令处理器运行一个任务，该任务侦听此队列中的命令。

当命令到达时，它将更改发送到电动机的PWM信号，以停止电动机或设置所需的方向。

为了向前移动，我们将两个电机都向前驱动，对于向后，我们将两个电机都向后驱动。对于左，我们反转左电动机并向前驱动右电动机，而对于右，我们进行相反的，右电动机反向，左电动机向前。

对于我们的连续伺服器，1500us的占空比将使它们停止，低于此值应使它们反向，而高于此值将使它们向前驱动。

我略微调整了右马达正向值的值，因为它的旋转速度不如左马达快，这导致机器人转向一侧。

请注意，因为我们有正确的电机上下颠倒驱动它，所以我们将其反向运行，而将其向后驱动，则我们将其向前驱动。

您可能需要校准自己的电动机才能使机器人直线运动。

它运作良好！

它偶尔会混淆单词并左右混合。
       责任编辑:pj