如何利用TinyML实现语音识别机器人车的设计

　　在本文中，我将在 Wio 终端上制作一个带有内置麦克风的声控机器人车，以通过 TinyML 识别行驶、停止和背景噪音。

　　使用由 Edge Impulse 提供支持的 Codecraft 训练了一个唤醒词识别模型！

　　在这篇详细的博客文章中，我将介绍以下内容：

　　什么是 UART 串​​行通信？

　　Wio终端和uKit之间的UART串行通信探索

　　1.0 使用 Codecraft 训练嵌入式机器学习模型

　　2.0 Arduino文本代码修改

　　3.0 对机器人汽车进行编程（uKit 探索 - 基于 Arduino Mega 2560）

　　4.0 预期结果

　　什么是 UART 串​​行通信？

　　通俗地说，UART 允许嵌入式设备（例如 Arduino）通过 TX（发送）和 RX（接收）线将数据发送到另一个 Arduino，如下所示。

　　

　　举一个具体的例子：

　　Arduino UNO 没有内置的 WiFi，因此不可能做 IOT 相关的项目。通过了解基本的 UART 串​​行通信，我能够利用ESP8266/ESP32作为 Arduino UNO 的协处理器，以便从连接到 Arduino UNO 的传感器收集的数据将发送到 ESP8266/ESP32 发送转移到云平台，例如 Web 服务器、Blynk 或 FAVORIOT。

　　Wio终端和uKit之间的UART串行通信探索

　　Wio 终端的 TX 和 RX 引脚在引脚 8和10上可用。

　　TXD - 引脚 8

　　RXD - 引脚 10

　　

　　而对于 uKit Explore，引脚 D0 和 D1 上也有可用的 TX/RX 引脚。您可以在此处查看完整的 uKit 探索引脚排列

　　RX0 - D0

　　TX0 - D1

　　

　　对于硬件连接，基本上，您只需要如下连接：

　　Wio 终端（引脚 8）到 uKit 探索（引脚 0） - TXD 到 RXD

　　Wio 终端（引脚 10）到 uKit 探索（引脚 1） - RXD 到 TXD

　　我将详细解释软件编程如何在 3.0 Program the Robot Car（uKit Explore - Arduino Mega 2560 based）上完成。

　　第 1 步：使用 Codecraft 训练嵌入式机器学习模型

　　在第一部分中，我们的目标是使用 Codecraft 平台创建一个嵌入式机器学习模型（语音识别）。

　　使用 Codecraft 训练嵌入式机器学习模型涉及 4 个步骤。

　　1.创建“唤醒词识别（内置麦克风）”模型

　　2.数据采集（车载）

　　3.培训和部署

　　4.编程与模型使用

　　创建“唤醒词识别（内置麦克风）”模型转到https://ide.tinkergen.com/。选择“（对于 TinyML）Wio 终端”。

　　

　　点击左中嵌入式机器学习框上的“模型创建”。然后选择“Wake-Up Words Recognition（内置麦克风）”，如下图。根据需求输入模型名称。

　　

　　点击确定，窗口会自动切换到“数据采集”界面。

　　第 2 步：数据采集（车载）

　　

　　系统会自动为您创建 3 个默认标签（hi wio、background 和其他词）。

　　除非您想为标签使用不同的名称，否则您可以不加任何更改地使用它。就我而言，我更改了两个默认标签，如下所示：

　　hi wio 删掉

　　其他词改成停止

　　重要提示：现在，您必须记住更改默认数据采集程序上的标签以反映正确的修改标签

　　

　　连接 Wio 终端和上传数据采集程序。

　　注意：您需要下载“ Codecraft Assistant ”才能在Codecraft在线IDE上连接和上传代码。

　　数据采集​​：在右上角的超链接中，您将找到数据采集的分步介绍。按照说明根据修改后的标签收集数据。

　　第 3 步：培训和部署

　　点击“Training & Deployment”，您将看到如下图所示的模型训练界面。

　　

　　选择神经网络和参数。选择合适的神经网络大小：小、中、大

　　设置参数：

　　训练周期数（正整数），

　　学习率（从 0 到 1 的数字）

　　最小置信度（从 0 到 1 的数字）

　　接口提供了50个训练周期的默认参数值，但是准确度不是很好。因此，我将训练周期更改为 100。

　　

　　点击“开始训练”。单击“开始训练”时，窗口将显示“正在加载。”！等待训练完成！

　　观察模型性能以选择理想模型。在“模型训练报告”窗口中，您可以观察训练结果，包括模型的准确率、损失和性能。

　　

　　在“模型训练报告”窗口中，点击“模型部署”。部署完成后，单击“确定”进入“编程”窗口，这是我们将模型部署到 Wio 终端之前的最后一步。

　　

　　第 4 步：编程和模型使用

　　好的，现在我们完成了使用 UART通信协议将人工智能（在本例中为机器学习）与机器人（机器人汽车）集成的模型和有趣的部分。

　　这是从块编程接口创建的示例程序：

　　

　　我们使用 if-else 条件语句来评估标签的置信度。

　　如果“go”的置信度大于0.8（80%），我会在串口终端打印“1”。

　　如果“停止”的置信度大于 0.8（80%），我会在串口终端上打印“2”。

　　否则，如果“背景”的置信度大于0.8（80%），我会在串口终端上打印“0”。

　　好的，所以现在，只需记住 3 个不同的条件：

　　“go” 》 0.8，命令为 ‘1’

　　“停止”》 0.8，命令为“2”

　　“背景”。命令是‘0’

　　2.0 Wio终端Arduino文本代码修改

　　好的，所以请注意以下两个重要发现，因为这将是我们项目的关键部分！

　　您可以从 Wio Temrinal 的 40 针接头访问的串行线是 Serial1，而不是通常的 Serial，后者基本上通过串行终端显示输出。

　　我们在引脚 8 和 10 上提供了 TX/RX 引脚，可用于连接到另一块电路板（本例中为 uKit 探索）。

　　

　　如果我们查看相应块代码的文本编码，您会注意到 Serial.print 没有使用 Serial1 行。因此，这导致我们进入第二步，即继续在 Arduino IDE 上进行编码以进行定制。

　　

　　切换到文本代码区域并复制文本代码

　　在文本代码区域，按 CTRL + A 复制所有代码以选择所有代码。

　　打开 Arduino IDE，创建一个新文件，按 CTRL+V 将代码粘贴到空草图中。继续以所需名称保存草图。

　　

　　复制 Edge Impulse TinyML Arduino 库

　　导航到 C：\Users\《User_Name》\AppData\Local\Programs\cc-assistant\resources\compilers\Arduino\contents\libraries

　　找到与 Arduino 文本代码顶部的 Edge Impulse 头文件具有相同编号的文件夹名称（在我的情况下为 47606）。

　　

　　复制整个 ei-project_47606 文件夹并将其粘贴到 C：\Users\《User_Name》\Documents\Arduino\libraries\

　　

　　修改 Serial.println 函数

　　改为将 Serial.println 函数修改为 Serial1.println。

　　

　　上传代码

　　确保您已安装 Wio 端子板支持包。如果没有，请参阅Seeed Wiki 上的“ Wio 终端入门”指南。

　　在将代码上传到 Wio 终端之前，请确保选择了正确的板和 COM 端口。

　　

　　第 4 步：对机器人汽车进行编程（uKit 探索 - 基于 Arduino Mega 2560）

　　我们将对基于 uKit Explore 的 Robot Car 进行编程。

　　uKit 简介探索

　　让我让您了解一下这个 uKit Explore 的内容。

　　uKit Explore 是 UBTECH Robotics 制造的机器人套件，它基于 Arduino 生态系统（芯片组为 Arduino 2560）。

　　“uKit Explore 有一个主控箱，配备 Arduino 开源平台，提供来自全球用户贡献的大量电子和编程学习资源。”

　　

　　编程 uKit Explore 以读取 UART 数据

　　现在，我们需要对 Robo Car 进行编程，使其在收到来自 Wio Terminal 的命令“1”、“2”和“0”时根据不同的条件采取行动。

　　这里的关键概念是，如果它包含任何数据，我们将需要让 uKit Explore继续侦听串行线。如果它确实包含串行数据，则串行读取数据并将其分配给一个变量。最后一步是我们将比较变量并执行不同的操作。

　　对于我们的案例，当 uKit 探索

　　收到命令“1”（go），RoboCar 将向前移动；

　　收到命令‘2’（停止），它将停止；

　　收到命令‘0’（背景），它也会停止。

　　

　　上传代码

　　最后，我们将代码上传到板上。与往常一样，请确保在上传之前选择了正确的板和 COM 端口。

　　最后，Robo Car 可以通过语音“go，go，go”激活，并通过“stopppps.。。。”或“background”停止。达到我们想要的目标！