تشخیص ایراد فن خنک کننده | ESP32-CAM

اون دوربین گوگولی مگولی روی ماژول نقشی در این پروژه نداره

مدل هوش مصنوعی که تو قسمت قبلی گفتم ساختم رو باید تبدیل میکردم به فرمتی که برای میکرو قابل استفادست
من نمیخواستم درگیر پارتیشن بندی بشم یا درگیر بشم که مدل رو به صورت فایل منتقل کنم
باید تبدیل میکردم به آرایه ای از بایت ها

خروجی من به فرمت h5 هست
مرحله اول باید تبدیلش کنم به tflite

یک سری بهینه سازی انجام میشه روی مدل و پارامترهای اعشاری تبدیل میشه به صحیح

با کمک کتابخانه لینک زیر این کارو انجام دادم

https://github.com/eloquentarduino/tinymlgen
مرحله بعدی خروجی بهینه شده رو باید تبدیل کنم به hex

بعد با کمک لینک زیر:
https://towardsdatascience.com/tensorflow-meet-the-esp32-3ac36d7f32c7

کتابخانه tfmicro
رو که تنسورفلو برای میکروکنترلرهاست – برای ماژول آماده کردم و مدل و کد رو آپلود کردم و حالا نوبت به تست بود

اینم بگم که من پروگرامر ماژول رو نداشتم – با USB2TTL کارم راه افتاد

ارورای عجیب و غریب شروع شد
نتونستم با دیباگر برنامه رو دیباگ کنم
مجبور شدم خروجی سریال رو ببینم

میگفت Conv1D پشتیبانی نمیشه!

اون مدل شبکه عصبی که با کراس ساختم از کانولوشن یک بعدی استفاده میکرد که توسط تنسورفلو میکرو پیشتیبانی نمیشه

رفتم تبدیلش کردم به Conv2D
دقت مدل هوش مصنوعیم اومد پایینتر – اما اون خطاها رفع شد

نتیجه برام جالب نبود – دقتی که میخواستم رو نداشت
شاید مربوط میشد به تغییر توی شبکه

با کمی تغییر توی شبکه به یک مدل سنگینتر رسیدم با دقت بالاتر

اما باز خطای جدید!

حافظه کافی روی میکرو برای اجرای کدها نبود!

دوباره برگشتم به عقب – شبکه رو سبک کردم – روی پنجره داده ها کار کردم – از طرفی سعی کردم داده های مخرب رو حذف کنم

پنجره داده چیه؟ داده هایی که از میکروفون میاد رو باید تفکیک کنم به تعداد مشخصی و اون تعداد رو برای شبکه بفرستم – یکم روی بهینه سازی این تعداد کار کردم و نتیجه خوبی گرفتم

داده مخرب چیه؟ بعضی وقتا داده ای که برای تمرین شبکه عصبی استفاده میکنیم – کیفیت خوبی نداره یا آنومالی داخلش داره
من سعی کردم داده های با کیفیت تر تولید کنم

و خوشبختانه دقت شبکه بالاتر رفت و من تونستم با موفقیت روی ماژول
esp32-cam
ایرادات فن رو تشخیص بدم

https://www.instagram.com/p/CUK_w55pYmY/

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.