【源码】基于Arduino框架的加速度传感器数据处理系统

项目简介

本项目基于Arduino框架，借助WEMOS LOLIN32 Lite和GY - 291 ADXL345 3 - AXIS ACCELEROMETER设备，实现加速度传感器数据的采集、处理与分析。还利用EdgeImpulse平台对采集数据进行训练，将训练好的模型部署到设备上，通过LED灯不同模式展示处理结果。

项目的主要特性和功能

1. 传感器数据采集：利用GY - 291 ADXL345加速度传感器实时采集加速度数据。
2. 数据训练：把采集的数据上传到EdgeImpulse平台进行训练，构建模型。
3. 模型部署：将训练好的模型部署到WEMOS LOLIN32 Lite设备上。
4. 结果展示：依据模型处理结果，控制LED灯以不同模式显示。

安装使用步骤

环境准备

1. 准备WEMOS LOLIN32 Lite和GY - 291 ADXL345 3 - AXIS ACCELEROMETER设备。
2. 若使用设备收集数据，需在主机安装Node.js v10或更高版本，并在Windows命令行安装CLI工具：npm install -g edge - impulse - cli。
3. 安装Visual Studio Code并添加PlatformIO扩展。

项目创建

1. 点击VSCode中的PIO图标，进入PIO Home > Open，点击New Project，自定义项目名称，选择Board为WEMOS LOLIN 32，框架选Arduino，使用默认项目保存位置，点击Finish等待完成。
2. 在PIO Home中，点击Libraries标签，搜索EloquentTinyML（by Simone Salerno）和Adafruit ADXL345 Libraries（by Adafruit），添加到之前创建的项目中。

代码添加与构建

将check_sensor.cpp中的代码添加到项目文件夹your - project - name\\src\\下的main.cpp文件中。点击VSCode状态栏左下角的箭头按钮进行构建，可在Arduino IDE中查看结果。

数据收集与训练

1. 若用设备收集数据到EdgeImpulse平台训练模型，在命令行输入edge - impulse - data - forwarder，输入注册邮箱和密码，按命令行提示操作。
2. 也可参考文档用手机收集数据。打开EdgeImpulse开始采样添加数据并命名标签。
3. 点击Impulse Design，选择训练方式，设置各模块参数，运行学习模块得到结果。训练完成后，进入Deployment，选择Arduino Library，禁用EON Compiler，选择Unoptimized (float 32) 进行构建，得到.zip文件并解压。

模型部署

1. 将解压文件夹中的src\tflite - model\tflite - trained.h文件复制到项目的include文件夹中。
2. 编辑main.cpp文件，根据model_metadata.h文件修改NUMBER_OF_INPUTS、NUMBER_OF_OUTPUTS、TENSOR_ARENA_SIZE的值，同时修改引脚号。
3. 运行文件，查看结果。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】