Machine Learning บน Arduino ด้วย CASP
โปรเจกต์นี้ใช้ Arduino RP-2040 เพื่อสร้างโมเดล machine learning อย่างง่ายในการเปลี่ยนสีของ tri-LED ที่อยู่บนบอร์ด จาก BLUE เป็น RED เมื่ออุณหภูมิที่ตรวจจับโดย temperature sensor (thermistor) เพิ่มขึ้น โปรเจกต์นี้ใช้ซอฟต์แวร์ CASP สำหรับการเทรนโมเดลบน PC จากนั้นจึงถ่ายโอนโมเดลที่เทรนแล้วไปยังบอร์ด
โดยรวมแล้ว โปรเจกต์นี้แสดงให้เห็นถึงวิธีการทำ machine learning บนบอร์ด Arduino ใด ๆ ด้วย CASP
ขั้นตอนที่ต้องทำ:
ขั้นตอนที่ 1. ติดตั้ง CASP และ Arduino board support package จาก https://aadhuniklabs.com/?page_id=550. โปรดดูวิดีโอด้านล่างสำหรับวิธีการติดตั้ง:
ขั้นตอนที่ 2. สร้างโปรเจกต์ง่ายๆ เพื่อตรวจสอบว่าทุกอย่างได้รับการติดตั้งอย่างถูกต้องสำหรับ Arduino Nano RP-2040 Connect โปรดดูวิดีโอด้านล่างสำหรับคำแนะนำ
ขั้นตอนที่ 3. ใช้โปรเจกต์สอนจากไดเรกทอรีการติดตั้ง CASP เพื่อสร้างและเทรนโมเดล neural network อย่างง่ายที่เปลี่ยนค่า RGB ตามข้อมูลอุณหภูมิที่ป้อนเข้าไป ถ่ายโอนโมเดลที่เทรนแล้วไปยังบอร์ด Arduino ตรวจสอบและทดสอบการทำงานที่ถูกต้อง ขั้นตอนทั้งหมดนี้มีอยู่ในวิดีโอด้านล่าง โปรดรับชม
รายละเอียดทางเทคนิคเพิ่มเติม
Edge AI และ Neural Modeling
โปรเจกต์นี้สำรวจการใช้งานโมเดล Machine Learning (ML) บนไมโครคอนโทรลเลอร์ 8 บิตที่ใช้พลังงานต่ำ โดยใช้แพลตฟอร์ม CASP (Computer Aided Simulation Program)
- Model Quantization and Optimization: มุ่งเน้นไปที่การนำโมเดลคาดการณ์ที่ซับซ้อน (เช่น การจดจำท่าทาง หรือการบำรุงรักษาเชิงคาดการณ์) มา "ย่อขนาด" ให้พอดีกับหน่วยความจำ Flash ขนาด 32KB ที่จำกัดของ Arduino Uno
- In-Hardware Execution: แตกต่างจาก AI บนคลาวด์ การทำ inference เกิดขึ้นทั้งหมดบน Arduino ซึ่งส่งผลให้มีเวลาตอบสนองระดับ sub-millisecond และไม่มีการพึ่งพาการเชื่อมต่อ WiFi
กรณีการใช้งานจริง
- Smart Vibration Analysis: สามารถถูกเทรนให้ระบุ "เสียง" ของมอเตอร์ที่ทำงานปกติเทียบกับมอเตอร์ที่กำลังจะเสีย ซึ่งเป็นเครื่องมืออันทรงพลังสำหรับการบำรุงรักษาเชิงป้องกันในอุตสาหกรรม