Arduino UNO Q で自作AIモデルを動かす ― Edge Impulse を使った画像分類モデル作成手順

1-2. 事前準備

• Arduino UNO Q 本体 (セットアップ済みで PC から接続できる状態)
• Arduino App Lab (PC にインストール済み)
• USB カメラ (学習データの収集と推論に使用)
• Arduino アカウント (Edge Impulse へのログインに必要)

2-2. Image Classification Brick を開く

接続したら左メニューから Bricks を選択し、一覧から Image Classification を選択します。

続いて AI models タブを選択し、一番下の Train new AI model ボタンを選択します。

Classification Brick の Overview

AI models タブと Train new AI model ボタン

ここで Qualcomm のユーザー登録・ログインが要求されます。ログインが正常にできると、ブラウザで Edge Impulse のユーザーページが開きます。モデル作成はこの Web サイト上で行います。

2-3. プロジェクトを作成する

右上の Create new project を選択し、プロジェクト名を入力してプロジェクトを作成します。

Edge Impulse のユーザーページ

プロジェクト作成ダイアログ

2-4. ターゲットデバイスを設定する

右上の Target を選択し、Target device 一覧から Arduino UNO Q (Qualcomm QRB2210) を選択して save します。

Target device の選択1

Target device の選択2

また、右下の Project info にある Labeling method から One label per data item を選択します(今回は画像分類なので、1枚の画像に1つのラベルを付ける方式です)。

Labeling method の設定

3-1. データ収集デバイスを接続する

Getting started から Collect new data を選択します。

データ入力のためのデバイスを選択します。左側の QR コードをスマートフォンに読み込ませれば、スマートフォンのカメラから写真を撮ってデータを入力することもできます。今回は中央の Connect to your computer を選択し、PC に接続した USB カメラからデータ入力を行います。

Collect new data のデバイス選択1

Collect new data のデバイス選択2

接続が完了したら Collecting images? を選択し、Give access to the camera を選択して接続しているカメラに許可を与えます。

Collect new data のデバイス選択3

Collect new data のデバイス選択4

3-2. 「mouse」の画像を収集する

今回はまずマウスの画像を収集します。上の Label: ボタンを選択し ‘mouse’ とラベリングしてから、Capture を押すことでマウスの画像を記録します。

角度や背景を変えながら、マウスの画像を 30 枚程度 キャプチャーします。

マウスのキャプチャー画面

ラベルの入力

3-3. 「scissors」の画像を収集する

同様にラベルを ‘scissors’ として、ハサミの画像を角度・背景を変えながら 30 枚程度キャプチャーします。

scissors のラベル付けとキャプチャー1

scissors のラベル付けとキャプチャー2

3-4. 「others」の画像を収集する

次に、ハサミやマウス以外の画像を ‘others’ として 30 枚程度キャプチャーします。分類対象以外のものを「その他」として学習させることで、誤検出を減らせます。

others のラベル付けとキャプチャー1

others のラベル付けとキャプチャー2

4-1. Impulse を作成する(Create impulse)

左側メニューの Impulse design より Create impulse を選択します。

• Add processing block に Image を Add します

Create impulse 画面とブロックの追加1

Create impulse 画面とブロックの追加2

• Add learning block に Transfer Learning (Images) を Add します
• Save Impulse を選択して保存します

Create impulse 画面とブロックの追加3

Create impulse 画面とブロックの追加4

構成完了後の Impulse

4-2. 特徴量を生成する(Generate features)

左側メニューの Impulse design より Image を選択し、上のメニューから Generate features タブを選択します。表示された画面の Generate features ボタンを選択します。

Generate features の実行1

下のログで Job completed になることを確認します。

Generate features の実行2

4-3. モデルを学習する(Transfer learning)

左側メニューの Impulse design より Transfer learning を選択し、一番下の Save ＆ train を選択します。

学習設定と Save & train

右上のログで Job completed が表示されたら完了です。モデルのパフォーマンスも測定され、ログの下側に Accuracy や混同行列などの結果が表示されます。

学習結果(Accuracy・混同行列)

6-2. アプリを作成する

左上メニュー My Apps を選択し、Create new app+ を選択します。プロジェクト名を入力して Create new を選択します。

アプリの新規作成

6-3. Brick を追加する

左上メニューより Add bricks を選択します。左側の一覧より Video Image Classification を選択し、右側の AI models 一覧で先ほど作成したプロジェクトを選択して Add brick で追加します。

Video Image Classification Brick の追加

Video Image Classification Brick の追加

6-4. main.py を書き換える

左側メニューの ‘python’ 以下にある ‘main.py’ の内容を下記に書き換えます。

from arduino.app_utils import App
from arduino.app_bricks.video_imageclassification import VideoImageClassification

classification_stream = VideoImageClassification()

def detected(label):
    print(f"Detected: {label}")

classification_stream.on_detect("mouse", lambda: detected("mouse"))
classification_stream.on_detect("scissors", lambda: detected("scissors"))
classification_stream.on_detect("others", lambda: detected("others"))

App.run()

6-5. アプリを実行する

右上の Run ボタンよりデモを起動します。

起動後、ログ表示を Python に切り替えると、USB カメラで写した物体を Classification します。今回は PC のマウスを学習させているので、マウスにカメラを向けるとマウスを検出したログが流れます。

マウス検出ログ