本篇博文主要以ESP32+MQ Sensor 气体传感器为例，通过连接 Edge Impulse 平台，实现数据的实时采集和训练，进而实现在嵌入式设备上部署 ML 机器学习。本教程介绍如何使用 Edge Impulse 和机器学习来实现ESP32 异常检测系统，系统使用一个机器学习模型，检测气体何时出现异常。

若对本文有兴趣，请一键三连+私信我免费获取博文原文

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39217004/article/details/133348184

目录

• 1. Edge Impulse 平台简介
• • 1.1. 数据转发器
  • 1.2 Edge Impuls 平台 + ESP32
• 2. 软硬件环境
• 3. ESP32 + MQ Sensor + Edge Impuls 平台融合AI实现异常检测
• • 3.1 ESP32驱动 MQ Sensor传感器
  • 3.2 构建数据集
  • • 3.2.1 Ubuntu 搭建开发环境
    • 3.2.2 数据集在线实时收集
    • 3.2.3 创建模型，提取特征
    • 3.2.4 设置相关参数，训练数据集
    • 3.2.5 后续工作
• 4. 烧录官方固件，连接平台
• 5. 参考资料

1. Edge Impulse 平台简介

Edge Impulse提供了一个易于使用的端到端平台，用于:

• ·轻松获取传感器数据作为嵌入式机器学习模型的输入
• ·高效创建针对内存大小和功耗(电池寿命)进行优化的嵌入式机器学习模型
• ·使用Edge Impulse SDK和您选择的开发环境轻松将模型部署到目标传感器上

Edge Impulse通过提供端到端平台，在低功耗温度传感器上部署智能嵌入式机器学习，解决了这些挑战。我们允许您将智能(或规则逻辑)放回到数据的来源，以便设备可以做出实时决策，减少由传感器到云交互产生的往返延迟，并仅发送触发系统所有者响应所需的内容，例如当冰箱门打开太长时间时。

1.1. 数据转发器

搜集数据集进行训练，使用平台的数据转发器 data forwarder 工具，传感器数据通过PC串口和平台的web之间建立连接，平台web可以通过PC的串口实时获取传感器的数据，用于训练。使用K-Means聚类构建我们的嵌入式ML模型，并检测数据中的异常值，我们将其标记为“异常”。

1.2 Edge Impuls 平台 + ESP32

选择平台支持的硬件设备

Edge Impulse 支持在 ESP32 上处理各类传感器数据；

Espressif ESP-EYE (ESP32)

2. 软硬件环境

• ESP32 DevKitC 开发板
• MQ sensor 气体传感器
• Arduino IDE
• Edge Impulse 平台账户

3. ESP32 + MQ Sensor + Edge Impuls 平台融合AI实现异常检测

要实现 ESP32 异常检测系统，需要将其分为两个不同的步骤：

• 获取 气体传感器输出的正常值
• 构建机器学习模型并将其与 ESP32 一起使用来检测异常

3.1 ESP32驱动 MQ Sensor传感器

本部分直接参考博文： ESP32连接MQ Sensor实现气味反应

说明：气体传感器输出的值，正常情况下和向传感器吹气时，输出的值是有变化的

将以下代码录进 ESP32 开发板，可实时获取传感器输出的值， 请提前搭建好 ardunio IDE + E