本项目将通过ESP32-S3 AI CAM模块和EdgeImpulse对苹果和橘子进行识别。通过该项目，你将学会如何通过EdgeImpulse训练自己的模型并部署到ESP32-S3 AI CAM模块上。

EdgeImpulse官网：https://edgeimpulse.com/
本项目EdgeImpulse链接：https://studio.edgeimpulse.com/public/571380/live

数据采集

• 烧录"CameraWebServer"示例代码，打开串口监视器查看IP地址
• 局内网内的设备通过浏览器访问IP，点击start按钮查看图像画面
• 点击画面右上角保存图片到电脑（建议将不同物体图片分开保存，以便于训练模型时标记数据）
  注意：请尽可能的多采集图像数据，这样可以使模型更加准确，本项目苹果和橘子照片使用了50张左右

• 采集到的图片集

标记数据

• 在EdgeImpulse中创建项目

• 点击“Add existing data”添加数据

• 选择“Upload data”上传数据

• 选择采集到的图片文件上传，并输入图片的标签

• 在“Data acquisition -> Labeling queue”中对物体主体进行标记并保存

• 标记橘子

训练模型

• 将所有数据标记完后，点击“Impulse design -> Create impulse”创建Impulse并保存
  各处理块的意义：https://docs.edgeimpulse.com/docs/edge-impulse-studio/processing-blocks

• 进入“image”页面，点击“Save parameters”

• 进入“Generate features”页面，点击“Generate features”按钮生成图像特征

• 进入“Object detection”页面，点击“Save & train”按钮对模型进行训练。

• 训练完成后可看到模型性能，若模型性能不佳可调整参数再进行训练

• 进入“Retrain model”页面，点击“Train model”

• 进入“Deployment”页面，“DEFAULT DEPLOYMENT”选择“Arduino library”选项，“MODEL OPTIMIZATIONS”选择“TensorFlow Lite”选型，然后点击“build”

部署模型

• 将训练完成的模型库文件解压到"arduino->libraies"中
• 替换"src\edge-impulse-sdk\tensorflow\lite\micro\kernels"中的"depthwise_conv.cpp"和"conv.cpp"文件
• 将edge_camera文件夹及其子文件移动到模型库文件的examples中
• 打开arduino IDE，选择edge_camera示例，将代码中的第一行改为模型库的.h文件，填入WiFi账号密码，然后编译烧录
• 打开串口监视器即可看到IP地址和识别结果，访问IP即可看到摄像头画面