描述

水是地球上最重要的物質之一。所有植物和動物都必須有水才能生存。如果沒有水，地球上就沒有生命。除了為了生存而飲用，人們對水還有許多其他用途。隨著人口的增長和地球上適合消耗的所有水的比例如此之小，我們必須保護和保護這一寶貴資源才有意義。

節(jié)約用水意味著明智地使用我們有限的水源并妥善呵護它。由于我們每個人都依賴水來維持生命，因此我們有責任更多地了解節(jié)約用水。節(jié)約用水是我們每個人的責任。

目的/目標

我打算建立一個人工智能用水監(jiān)測系統(tǒng)，通過分析實時音頻來檢測水是被使用還是浪費。這與現(xiàn)有解決方案不同，因為我們使用人工智能來預測用水量。這很有用，因為使用這個系統(tǒng)，我們將節(jié)約用水。這是一種有趣的節(jié)水方式。

硬件設置

QuickLogic QuickFeather 開發(fā)套件

?

QuickFeather開發(fā)套件是一個小型系統(tǒng)，非常適合支持下一代低功耗機器學習 (ML) 物聯(lián)網(wǎng)設備。與基于專有硬件和軟件工具的其他開發(fā)套件不同，QuickFeather 基于開源硬件，與 Adafruit Feather 外形規(guī)格兼容，并圍繞 100% 開源軟件（包括 Symbiflow FPGA 工具）構建。

QuickFeather 由 QuickLogic 的 EOS? S3 提供支持，這是第一款完全支持 Zephyr RTOS 的支持 FPGA 的 Arm Cortex?-M4F MCU

6V 3.5W 太陽能板

?

我將使用 6V 3.5W 太陽能電池板為 QuickLogic QuickFeather 開發(fā)套件供電。

配置您的 QuickFeather 開發(fā)工具包

在開始任何操作之前，您應該使用最新的數(shù)據(jù)收集固件刷新您的 QuickFeather 開發(fā)套件，以便與 SensiML 數(shù)據(jù)捕獲實驗室一起使用。您可以從此處下載二進制文件。

在此項目中，我們將使用簡單流 - 通過 USB 串行二進制文件收集音頻數(shù)據(jù)。

您可以從位于https://github.com/QuickLogic-Corp/qorc-sdk的 qorc github 存儲庫中的數(shù)據(jù)收集源構建您自己的二進制文件。

需要數(shù)據(jù)收集固件才能使用 Data Capture Lab 記錄數(shù)據(jù)。運行知識包時禁用數(shù)據(jù)收集。

確保你的系統(tǒng)上安裝了 Python；建議安裝 Python 3.6 或更新版本。

您將需要 QuickLogic 的 TinyFPGA Programmer 來閃存您的設備。當您下載 TinyFPGA Programmer 時，您需要使用 git 從 github 克隆 repo。下載存儲庫的 zip 版本可能會導致意外結果。

用于git clone下載 TinyFPGA Programmer，git clone --recursive https://github.com/QuickLogic-Corp/TinyFPGA-Programmer-Application.git然后pip3 install tinyfpgab安裝 Python 庫。

將固件文件放在 TinyFPGA 編程器目錄中，該目錄還包含tinyfpga-programmer-gui.py. 通過 USB 插入設備并按下 QuickFeather 上的“重置”按鈕。LED 將閃爍藍色五秒鐘。當 LED 仍在快速閃爍時按下“用戶”按鈕。按下“用戶”按鈕后，LED 將開始閃爍綠色，閃爍速度非常慢，就像“呼吸”一樣。這意味著設備處于上傳模式。如果 LED 沒有閃爍綠色，則重復此步驟。

當 LED 呈綠色閃爍時，通過運行以下命令將數(shù)據(jù)收集二進制文件編程到 QuickFeather 中：

python /Your-directory-path-to-TinyFPGA-Programmer/tinyfpga-programmer-gui.py --port COMX --m4app /Your-directory-path-to-binary/quickfeather-audio-data-collection-usb-serial.bin --mode m4

如果固件文件和tinyfpga-programmer-gui.py它們在同一目錄中，那么您可以通過運行以下命令來刷新您的 QuickFeather：

python tinyfpga-programmer-gui.py --port COMX --m4app quickfeather-audio-data-collection-usb-serial.bin --mode m4

在運行此命令之前，請確保在命令提示符中將目錄更改為 TinyFPGA 程序員的目錄。

COMX 是 QuickFeather 的 COM 端口。您可以通過轉到控制面板中設備管理器中的端口來檢查端口號（如果您使用的是 Windows 操作系統(tǒng)）。

刷新固件后，按“重置”按鈕加載新應用程序。LED 應閃爍藍色五秒鐘，完成后熄滅。

SensiML 數(shù)據(jù)采集實驗室

Data Capture Lab 是一個成熟的時間序列傳感器數(shù)據(jù)收集和標記工具，它帶來了一定程度的自動化數(shù)據(jù)集管理，開發(fā)人員已經(jīng)習慣了編程工具，但直到現(xiàn)在，邊緣 ML 軟件仍然嚴重缺失。SensiML 的方法側重于允許開發(fā)人員將數(shù)據(jù)集構建為持久的知識產(chǎn)權 (IP)，可以根據(jù)需要輕松維護、修改、探索、擴展和導出。為建模過程提供良好數(shù)據(jù)會轉化為良好的 ML 推理代碼作為輸出。[來源]

設置數(shù)據(jù)采集實驗室

?

首先，創(chuàng)建一個新帳戶并下載合適的 DCL 軟件。下載軟件后，登錄您的帳戶。

創(chuàng)建一個新項目并將其保存在 SensiML 項目目錄中。

打開項目后，單擊切換模式并打開捕獲模式。

設備插件是描述 DCL 如何從您的設備收集數(shù)據(jù)的屬性列表。例如，設備插件可能包含您的設備支持的采樣率列表。這允許 DCL 從任何已構建為接受以下支持參數(shù)的設備收集數(shù)據(jù)。

您可以從此處下載簡單流協(xié)議的 example.SSF 文件。Data Capture Lab 允許您通過菜單項Edit → Import Device Plugin導入 Device Plugins via.SSF 文件……接下來，您將能夠選擇您的插件協(xié)議。

配置您的傳感器并設置適當?shù)牟蓸勇省?/font>我們將在這個項目中使用麥克風。

QuickLogic QuickFeather開發(fā)套件中的麥克風為英飛凌IM69D130 MEMS麥克風，靈敏度為-36.0 dBFS，信噪比為69 dB(A)。

捕獲數(shù)據(jù)

?

在 DCL 軟件右側的硬件設置中，將捕獲方法設置為實時流捕獲，并將連接方法設置為串行端口。

插入 QuickFeather 開發(fā)套件后，選擇“查找設備”選項并單擊“掃描設備”。選擇適當?shù)?COM 端口并連接您的設備。

在標簽設置中，為您正在錄制的事件創(chuàng)建一個標簽。在本例中，標簽為Used、Wasted和Idle。在此之后，為當前錄制選擇元數(shù)據(jù)。我為元數(shù)據(jù)創(chuàng)建了一個類并添加了兩個值Train和Test。

準備就緒后，按下記錄按鈕以捕獲您的數(shù)據(jù)。

完成該過程后，切換到 Label Explorer 模式并選擇 Project explorer。在其中，選擇文件并確保數(shù)據(jù)準確地代表標簽。為此，請將您的數(shù)據(jù)分成幾部分。對項目資源管理器中的所有相關文件重復該過程。

轉到“文件”菜單并選擇“關閉文件”選項后，您現(xiàn)在可以使用 Analytics Studio 從捕獲的數(shù)據(jù)生成模型。

保存在 DCL 中的數(shù)據(jù)會自動上傳并存儲在云端。

分析工作室

SensiML Analytics Studio 是 SensiML 軟件套件的核心，它使用您標記的數(shù)據(jù)集使用 AutoML 和廣泛的邊緣優(yōu)化功能和分類器庫快速生成高效的推理模型。使用基于云的模型搜索，Analytics Studio 可以在幾分鐘或幾小時內將您標記的原始數(shù)據(jù)轉換為高性能邊緣算法，而不是像手動編碼那樣需要數(shù)周或數(shù)月。Analytics Studio 使用 AutoML 來解決機器學習算法預處理、選擇和調整的復雜性，而無需依賴專家手動定義和配置這些無數(shù)選項。

無論是經(jīng)驗豐富的 ML 專家還是剛剛學習數(shù)據(jù)科學的基礎知識，Analytics Studio 提供的工具都可以顯著提高您的嵌入式算法開發(fā)效率。[來源]

訓練模型

轉到Analytics Studio并登錄到您的帳戶。選擇您現(xiàn)在在 Data Capture Lab 中創(chuàng)建的項目。

要訓??練模型，我們必須首先以查詢的形式告訴 Analytics Studio 我們要使用哪些數(shù)據(jù)。這可以通過單擊Prepare Data選項卡并輸入名稱、會話、標簽、相關元數(shù)據(jù)、傳感器以及繪制方式來完成。保存后數(shù)據(jù)集應該出現(xiàn)在右側，我們可以看到每個標簽中有多少段。

?

可以通過轉到Build Model選項卡并輸入名稱、剛剛創(chuàng)建的查詢、窗口大?。ㄊ蛊渑c傳感器的捕獲率大小相同）、優(yōu)化指標（f1-score 是最平衡的）來構建管道，和分類器大小，它限制了模型的大小，非常適合加載到 ROM 受限的芯片上。單擊Optimize將完成并構建模型，根據(jù)數(shù)據(jù)集的大小，可能需要一段時間才能完成。

?

?

?

?

1 / 3

?

生成知識包

該項目的最后一步是將機器學習模型部署到您的 QuickLogic QuickFeather 開發(fā)工具包。這可以通過獲取知識包來完成。對于這個項目，我們將以二進制形式下載模型。在“下載模型”選項卡中，選擇您剛剛使用以下設置優(yōu)化的管道，如下圖所示。

?

?

?

?

1 / 2

?

下載 zip 文件并將二進制文件解壓縮到包含tinyfpga-programmer-gui.py. 按照用于刷新簡單流固件的相同步驟進行操作。我已在論壇中尋求幫助。

未來更新

• 由于斯里蘭卡目前處于封鎖狀態(tài)，我無法購買 Adafruit Huzzah32 - ESP32 Feather 板。

未來，我想：

• 將 Adafruit Huzzah32 - ESP32 Feather 板與 QuickFeather 開發(fā)套件結合使用，并將此 POC 轉變?yōu)槲锫?lián)網(wǎng) POC。
• 在各種情況下測試機器學習模型，并將可變數(shù)據(jù)提供給機器學習模型以提高其準確性。
• 使用更高的采樣頻率試驗我的機器學習模型。
• 使用顯示用水情況的顯示器改進我的項目。
• 添加一個電磁水閥來控制水龍頭，不用時關閉。
• 想辦法自動為為 QuickFeather 開發(fā)板供電的鋰離子電池充電。