项目描述：

一,板卡介绍

本次活动使用的是syntiant TinyMl board板卡，该板卡配备超低功耗 Syntiant ® NDP101神经决策处理器™，可以使语音和传感器应用程序分别在 140 和 100 微瓦以下运行，与基于 MCU 的传统 MCU 相比，吞吐量提高 20 倍，系统效率提高 200 倍。

Syntiant TinyML 板的尺寸为 24 毫米 x 28 毫米，是一个小型的独立系统，通过微型 USB 连接通过 Edge Impulse 轻松下载经过训练的模型，而无需任何专用硬件。

主要特点：

· 主机处理器：SAMD21 Cortex-M0+ 32位低功耗48MHz ARM MCU

· 内置256KB FLASH和32KB SRAM

· 5个数字I/O，与Arduino MKR系列板兼容

· 其中包含1路UART接口和1路I2C接口（包括在数字I/O引脚中）

· 2MB板载串行闪存

· 一个用户定义的RGB LED

· uSD卡插槽

· 神经决策处理器使用NDP101，连接了两个传感器：

· BMI160 6轴运动传感器

· SPH0641LM4H麦克风

· NDP101支持多达 560k 个参数和 64 种输出分类

· 电路板可使用5V micro-USB或3.7V LiPo电池供电

二，环境搭建

板卡支持edge impulse和Arduino开发，其文档可在edge impulse帮助文档可以找到。

1）首先是安装Arduino-Cli,建议同时下载0.18和0.13两个版本，下载安装完之后要添加环境变量才能正常使用。

2）其次是固件的烧录，板卡分为音频固件和IMU固件，每次只能烧写一个，本项目烧录的是音频固件，这里是链接，地址在github，需要科学上网。

至此，前期准备工作基本完成。

三、模型训练

项目使用了edge impulse平台进行训练，其平台也提供了详细的教程，跟着流程走即可，建议是先拷贝一份官方的示例，然后直接在其中增添数据即可，项目中使用了官方的噪声集，然后录入了自己“open”，“close”，“blink”数据，其他的配置直接按官方默认的即可。

其中，官方例程可能存在一定问题，在使用Arduino编译时可能会提示缺少头文件，可以使用分支下的fix-header文件，这个问题也是困扰了很久才能解决。

数据导入之后，最后烧录固件和库文件

库文件这里要重点说一下，库文件下载下来之后里面会有这几个东西

其中文件夹是和训练的模型相关的参数，这个是要和官方的例程替换的，下面两个是烧录用的固件，由于已经生成了固件，直接只用生成的烧录即可，所以用不到这两个。若直接替换model文件夹，Arduino会提示报错，需要注释几行东西

model文件夹内容

直接打开最后一个model_variables.h文件，注释下图颜色加深内容

至此，程序基本完成，剩下的直接在Arduino修改firmware.ino文件即可。

四，实物展示

“开灯”效果展示，听到开灯指令后亮红灯

“关灯”指令效果展示，听到指令后开发板显示绿灯

“闪烁”指令展示，听到指令后开发板闪烁蓝灯

五，注意事项

1）推荐直接克隆官方例程，然后在其中增添数据，训练模型配置不用更改。

2）官方例程sytiant-RC在Arduino配置时可能会出现头文件缺失问题，在上面也有说过，直接使用分支fix-header即可。

3）模型训练完成之后生成的库文件不能直接粘贴替换，要注释几行语句，文件目录/src/model-parameters/model_variables.h,其他人文档里都有详细描述。

4）在板子上语音识别经常误触发的话，可以加入官方的噪声集一起训练模型。

六，最后总结

首先，非常感谢硬禾学堂能够提供这次机会，提供一个这样的平台，把一群志同道合的人聚到一起共同研究问题。其次，在这次活动中，也遇到了很多的问题，疫情原因，环境配置，程序烧录，但幸好我们都共同走了下来，克服了许多问题，同时也认识了许多的朋友，共同在这条路上越走越远。最后，希望硬禾学堂能越办越大，红红火火。