PSoC 62S2 Wi-Fi BTパイオニアキットを使ったエッジAI

「SensiML Analytics StudioによるPSoC 6機械学習」で機械学習した動作認識モデルをPSoC 62S2 Wi-Fi BTパイオニアキットに組み込み、PSoC 62S2 Wi-Fi BTパイオニアキット上にマウントされたIoTセンス拡張キットの慣性センサー「BMX160 」を平行移動・上下移動をさせて、動作の認識ができることを確認します。

SensiML Analytics Studioによる学習データの取得・学習については次のブログ記事を参照します。SensiML Analytics Studioで作成したAIモデルの導入については「QuickLogic Featherを使った動作認識」を参照します。

PSoC 62S2 Wi-Fi BTパイオニアキットを使ったエッジAIの作成

「SensiML Analytics StudioによるPSoC 6機械学習」でダウンロードした動作認識モデルのフォルダ「kp_5015d539-298e-4531-bffb-205b2dfb2bc3_Infineon-CY8CKIT-062S2-43012-with-CYC8KIT-028-SENSE_lib_9.3.1_p」を解凍すると、動作認識モデルのための次のファイルが取得できます。

ボリューム シリアル番号は 5CBB-37EB です
C:.
│  model.json
│
├─knowledgepack_project
│      app_config.h
│
└─sensiml
    ├─inc
    │      kb.h
    │      kb_debug.h
    │      kb_defines.h
    │      kb_typedefs.h
    │      model_json.h
    │      testdata.h
    │
    ├─lib
    │      libsensiml.a
    │
    └─src

動作認識モデルの「senisml/lib」フォルダと「sensiml/inc」フォルダを、PSoC 62S2 Wi-Fi BTパイオニアキットのSensiML Template Firmwareの「source/lib」フォルダにコピーします。

動作認識モデルの「app_config.h」ファイルを、PSoC 62S2 Wi-Fi BTパイオニアキットでSensiML Template Firmwareの「source/app_config.h」ファイルに置き換えます。置き換えた「source/app_config.h」ファイルの13行目と22行目が次のようになっていることを確認します。

source/app_config.h

　　　　・・・
 
/******************************************************************************
 * Constants
 *****************************************************************************/
 
// Running Modes
// 1 = DATA CAPTURE => Use this mode for collecting data and use the Data Capture Lab
// 2 = RECOGNITION => Use this mode for running a Knowledge pack from the sensor
#define DATA_CAPTURE_RUNNING_MODE 1
#define RECOGNITION_RUNNING_MODE 2
 
// Change the below to either DATA_CAPTURE_RUNNING_MODE (or) RECOGNITION_RUNNING_MODE
#define APPLICATION_RUNNING_MODE RECOGNITION_RUNNING_MOD
 
// Type of Datacapture -
// 1 = SENSOR_MOTION
// 2 = SENSOR_AUDIO
#define SENSOR_MOTION    1
#define SENSOR_AUDIO    2
 
// Change the below to either SENSOR_MOTION (or) SENSOR_AUDIO
#define SENSOR_SELECT_MODE SENSOR_MOTION
 
 
// Motion sensor valid sample rates
#define MOTION_SAMPLE_RATE_400HZ    400
 
　　　　・・・

Quick Panelから「Clean SensiML Template Firmware」をクリックしてから、「Build SensiML Template Firmware」をクリックしてBuild します。

Quick Panelから「SensiML Template Firmware（KitProg3_MiniProg4）」をクリックして実行します。

エッジAIの動作確認

始めにData Capture Labと接続して、ログを用いてエッジAIの動作を確認します。なお、Data Capture Labではエラーとなるので、エラーログでの確認になります。

Data Capture Labと接続して、logが次のように取得できました。このログの「Classification」の値を調べることで次のように動作が判断できます。

Stationary:　2

[1] 9:41: Info - Firmware configuration data received: '{"ModelNumber":0,"Classification":2,"SegmentStart":41800,"SegmentLength":200,"FeatureVectorLength":3, "FeatureVector":[6,255,5]}'

Vertical:　3

[1] 9:39: Info - Firmware configuration data received: '{"ModelNumber":0,"Classification":3,"SegmentStart":24200,"SegmentLength":200,"FeatureVectorLength":3, "FeatureVector":[61,54,255]}'

Horizontal:　1

[1] 9:41: Info - Firmware configuration data received: '{"ModelNumber":0,"Classification":1,"SegmentStart":50000,"SegmentLength":200,"FeatureVectorLength":3, "FeatureVector":[163,9,50]}'

この出力は次のように「sml_recognition_run.c」ファイルの「sml_output_results」関数で行われます。実際には8行目のprint文で行われます。

source/lib/sml_recognition_run.c

　　　・・・

void sml_output_results(int model_index, int model_result)
{
    //bool feature_vectors = true;
    //int size = 0;
    kb_print_model_result(model_index, model_result, str_buffer, 1, fv_arr);
    printf("%s\r\n", str_buffer);
    #if SML_PROFILER
    memset(str_buffer, 0, 2048);
    kb_print_model_cycles(model_index, model_result, str_buffer, recent_fv_cycles);

　　　・・・

str_bufferの内容を確認すると次のようになっています。

Name : str_buffer
	Details:"{\"ModelNumber\":0,\"Classification\":3,\"SegmentStart\":800,\"SegmentLength\":200,\"FeatureVectorLength\":3, \"FeatureVector\":[46,9,247]}\n", '\0' 
	Default:0x800336c 
	Decimal:134230892
	Hex:0x800336c
	Binary:1000000000000011001101101100
	Octal:01000031554

シリアル端末で取得した結果を次に示します。