マイコンによるAIシステムで姿勢検知を実現～STマイクロエレクトロニクス社製　NanoEdge AI Studio/VL53L8CX～

①学習データと確認データを採取

以下の手順でAI学習モデル構築のための学習データと確認データを採取しました。

• (1) 背筋をまっすぐ伸ばした状態で、上半身をやや前後左右に揺らしながらデータを採取します。
  十分なデータパターンを取得するため、今回は3分間データを採取しました。
  （データはCSV形式でダンプされます）
• (2) 背筋を曲げて猫背にした状態で、上半身をやや前後左右に揺らしながら3分間データを採取します。
  （データはCSV形式でダンプされます）
• (3)上記1および2の作業を2回繰り返します。
  それぞれが学習データおよび確認データとなります。
• (4) 採取したデータを、NanoEdge AI Studioが読み込めるデータ形式に変換します。

最終的に、以下のデータセットを作成しました。

• 学習データセット
  （「背筋まっすぐ」「猫背」の2ファイル）
• 確認データセット
  （「背筋まっすぐ」「猫背」の2ファイル）

• 

  背筋まっすぐ

• 

  猫背

②NanoEdge AI Studio の 起動、学習モデルの選択

NanoEdge AI Studioを起動します（左図参照）。
画面左上に「+ NEW PROJECT」ボタンが表示されるので、これをクリックします。

AI学習モデル構築手法として以下の4個の選択が表示されます（左図参照）。
今回は「Detect Anomalies（異常検知）」を選択しました。

• Detect Anomalies（異常検知）
• Classify（多値分類）
• Detect outliers（外れ値検知）
• Extrapolate（外挿）

以下の5段階のステップが表示されます（左図参照）。
各アイコンをクリックすることで、それぞれのステップへ移動できます。

• 1. Project Settings
• 2. Signals
• 3. Benchmark
• 4. Validation
• 5. Deployment

以下、各ステップで実施した作業内容について説明します。

③ 1. Project Setting : デバイス、およびマイコンを選択

ここでは今回使用するToF測距センサーVL53L8CXと、マイコンSTM32F401REを選択します。

④ 2. Setting : 学習データをセット

①で用意した学習データセットを読み込ませます。

⑤ 3. Benchmark : AI学習モデル構築

AI学習モデルを構築します。NanoEdge AI Studioでは、複数のライブラリーを自動的に試行してAI学習モデルを構築し、性能評価結果に基づいてランキング形式でAI学習モデルをリストアップします。
各AI学習モデルの性能の詳細は、GUI上でレポートとして確認できます。
以下に、今回もっとも性能が高かったAI学習モデル（Best Library）のレポート表示例を示します。

⑥ 4. Validation : AI学習モデルを評価

⑤で構築したAI学習モデルのうち、Best Libraryを中心に複数のAI学習モデルを選択し、①で用意した確認データセットを用いて評価を行います。
評価結果に基づき、最終的に使用するAI学習モデルを選択します。
以下に、今回選択したAI学習モデルの評価結果を示します。
[学習データセットによる評価結果] 
Balanced Accuracy：87.2%
[確認データセットによる評価結果] 
Balanced Accuracy：87.7%

⑦ 5. Deployment : Cソース組込み用のライブラリーの出力

⑥で選択したAI学習モデルについて、Cソースに組み込み可能なライブラリーとして出力します。

⑧ライブラリーをマイコンに実装し、エッジAIシステムのデモ機が完成

⑦で生成したライブラリーをP-NUCLEO-53L8A1のマイコンSTM32F401REに実装しました。
①から⑧までの作業に要する時間は3時間程度です。
以下にデモ機が動作中の様子を以下に示します。
背筋の状態の相違が明瞭に検出されています。

• 

  背筋まっすぐ

• 

  猫背