使用 Edge Impulse 在 ESP32 上运行机器学习算法

ESP32 以其强大的无线通信能力、领先的低功耗和高性价比等特性，已成为各类 AIoT 应用的理想选择。现在，如果您使用 Arduino 框架和 Edge Impulse 平台，只需添加几行代码，即可在 ESP32 上运行强大的机器学习算法。

Edge Impulse 平台已支持使用 ESP32 和多个不同的摄像头模块，运行设备上的图像识别机器学习模型。这些模型能够完成各种复杂的工作任务：例如检测人是否在画面中，评估农作物的生长情况，甚至可以估计一个物体的重量……仅根据一张照片即可得出上述所有结果！

借助免费的 Edge Impulse 嵌入式机器学习平台，您可以在 ESP32 上运行上述任意一个项目。您也可以遵循 Edge Impulse 的 "Adding Sight to Your Sensors" 教程创建自己的项目。该模型可以部署为一个开源 Arduino 库，包含运行经过训练的 impulse 所需要的资源。只需点击一下，即可将该库添加到现有的 ESP32 Arduino 项目中。

尝试在 ESP32 上运行机器学习模型

您只需要一个 ESP32 开发板和一个 Arducam Mini 2MP Plus 或 ESP32-CAM。ESP32-CAM 与 Arducam 具有相同的传感器，还包含了第一方驱动程序，可直接将传感器和 ESP32-CAM 开发板相连。“ESP32-CAM + Edge Impulse” demo 可以识别不同的植物种类，并配有网页端界面、图像预览和片上图像调整功能。您可以在 GitHub 上查看代码，也可以查看 ESP32-CAM 的相关讲解步骤和视频：

• GitHub: edgeimpulse/example-esp32-cam
• 步骤：ESP32-CAM tinyML walkthrough
• 视频：ESP32-CAM demo

值得一提的是，这些示例只需替换 Edge Impulse 库即可运行任何经过训练的图像分类模型，无需对 ESP32 固件做任何改动。用户可以快速建立原型并测试机器学习算法。 

Edge Impulse 不仅支持图像处理，还支持在 ESP32 上处理各类传感器数据。点此查看在 ESP32 上运行独立 Edge Impulse 模型的最小代码示例。您可以在此基础上添加任何兼容 Arduino 的传感器驱动程序，并使用 Edge Impulse 数据转发器来收集训练数据。