42、边缘AI应用部署与迭代：从理论到实践

边缘AI应用部署与迭代：从理论到实践

1. 部署准备

在完成训练和测试数据集的收集与标注、使用DSP模块提取数据特征、设计并训练机器学习模型，以及使用测试数据集对模型进行测试后，我们就来到了部署阶段。此时，我们已具备在边缘设备上进行推理所需的所有代码和模型信息，接下来需要将预构建的二进制文件刷入设备，或者将C++库集成到嵌入式应用代码中。

1.1 部署选项选择

在Edge Impulse项目中，选择“Deployment”选项卡，这里提供了多种部署选项。以下是具体的操作步骤：
1. 从“Build firmware”下选择官方支持的Edge Impulse开发平台。
2. 选择“Build”，同时你还可以选择开启或关闭EON编译器。
3. 按照点击“Build”后显示的说明，将生成的固件应用拖放或刷入官方支持的平台。更深入的刷入预构建二进制文件的说明可在所选开发平台的Edge Impulse文档中找到。

1.2 获取GitHub源代码

完整的应用源代码，包括来自公共Edge Impulse项目的部署库和完成的应用代码，可从GitHub仓库查看和下载。

2. 迭代与反馈循环

部署了食品质量保证模型的第一个迭代版本后，你可能对结果满意并停止开发。但如果你希望进一步迭代模型，提高准确性，以下是一些可考虑的改进方向：
1. 设备设计迭代 ：使设备对碰撞更敏感，例如更换为更灵敏的传感器或更高端的CPU。
2. 采用主动学习策略 ：改进模型、DSP和机器学习神经网络中使用的算法