本課程介紹了基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的嵌入式圖像識別系統(tǒng)，重點探討卷積神經(jīng)網(wǎng)絡(luò)的小模型在資源有限的嵌入式終端中的應(yīng)用。
課程首先會介紹嵌入式人工智能的發(fā)展背景及其在自動駕駛、智慧醫(yī)療、智能家居等領(lǐng)域的廣泛應(yīng)用，特別是嵌入式技術(shù)和人工智能小模型的融合，如何通過微控制器（MCU）實現(xiàn)自主分析與決策。將詳細(xì)闡述嵌入式人工智能開發(fā)平臺（EAI-DP）的系統(tǒng)框架和技術(shù)路線，探討在高性能設(shè)備上進(jìn)行模型訓(xùn)練、在嵌入式終端進(jìn)行推理的協(xié)作模式，以提升嵌入式終端的工程應(yīng)用通用性。通過終端硬件平臺設(shè)計、上位機(jī)軟件開發(fā)、終端程序設(shè)計等多個方面的實現(xiàn)過程。課程展示了如何解決硬件資源受限的問題，并通過自適應(yīng)格式轉(zhuǎn)換等關(guān)鍵技術(shù)實現(xiàn)嵌入式系統(tǒng)對圖像的有效識別。此外，還提供了焊接件外觀質(zhì)量缺陷檢測系統(tǒng)的應(yīng)用實例，展示了該系統(tǒng)在工業(yè)場景中的實際應(yīng)用效果。最后，總結(jié)了基于STM32-H7平臺的嵌入式圖像識別系統(tǒng)的軟硬件設(shè)計，探討了如何通過圖形化編程、模型量化等技術(shù)降低開發(fā)門檻，并展望了語音識別、模型性能對比等功能的未來擴(kuò)展方向。課程適合有志于嵌入式技術(shù)及人工智能應(yīng)用的學(xué)習(xí)者，為他們提供了全面的開發(fā)框架和實際應(yīng)用指導(dǎo)。