如何在STM32上运行AI应用
2024-09-29
257
来源：米尔电子
1.X-Linux-AI概述
X-LINUX-AI 是 STM32 MPU OpenSTLinux 扩展包，面向 STM32MP1 和 STM32MP2 系列微处理器的人工智能。它包含 Linux® AI 框架，以及用于开始一些基本使用案例的应用程序示例。
X-LINUX-AI 中提供的示例包括一系列用于图像分类、对象检测、语义分割和人体姿势估计的优化模型。X-LINUX-AI 中作为预构建二进制文件提供的人脸识别应用程序基于 STMicroelectronics 重新训练的模型。
这些示例依赖于基于 TensorFlow™ Lite 推理引擎、ONNX 运行时、OpenVX™ 或 Google Edge TPU™ 加速器的 STAI_MPU API。它们都支持 Python™ 脚本和 C/C++ 应用程序。本文内容将通过MYD-LD25X来演示这些示例demo。
1.1. 硬件资源
带有烧录好MYiR发布镜像的MYD-LD25X开发板
MY-LVDS070C屏幕或者任意HDMI接口显示器
MY-CAM003M米尔MIPI-CSI摄像头模块
1.2.软件资源
本文内容操作均在MYD-LD25X开发板的调试串口执行，请确保先完成了MYD-LD25X快速使用指南（也就是开发板附带的小册子）上的基本内容，并且需要确保开发板能够联通互联网，提供网络的方式有多种，可以是能够连接互联网的路由器，也可以是Wifi，Wifi具体的连接方式可以查阅发布资料中《MYD-LD25X Linux 软件评估指南》Wifi的STA连接章节。
2.开发板安装X-Linux-AI
本章主要介绍如何在MYD-LD25X开发板上安装X-Linux-AI以及相关demo组件等。
2.1.配置准备环境
1)获取校准参数
如果在MYD-LD25X使用LVDS屏幕，初次使用进入weston需要校准屏幕，校准的自动化脚本操作默认添加在autorun脚本中，如果已经执行过校准操作或者使用HDMI屏幕，则可以跳过该小节内容。
运行autorun.sh脚本执行校准操作：
# autorun.sh
执行后lvds屏幕会出现触摸点位，以此点击后完成校准，之后使用屏幕无需再次校准。
2)关闭HMI
避免出现显示冲突，在MYD-LD25X登录后，执行以下操作关闭mxapp2程序也就是MYiR的HMI界面：
# killall mxapp2
并且将autorun脚本中启动mxapp2的行注释掉，下次启动后就不会自动运行了：
# vi /usr/bin/autorun.sh #!/bin/sh ...省略 sync #/usr/sbin/mxapp2 &
3)更新软件源
执行以下命令更新软件源：
# apt update The software package is provided AS IS, and by downloading it, you agree to be bound to the terms of the software license agreement (SLA). The detailed content licenses can be found at https://wiki.st.com/stm32mpu/wiki/OpenSTLinux_licenses. Get:1 http://packages.openstlinux.st.com/5.1 mickledore InRelease [5,723 B] Get:2 http://packages.openstlinux.st.com/5.1 mickledore/main arm64 Packages [725 kB] Get:3 http://packages.openstlinux.st.com/5.1 mickledore/updates arm64 Packages [38.2 kB] Get:4 http://packages.openstlinux.st.com/5.1 mickledore/untested arm64 Packages [1,338 kB] Fetched 2,107 kB in 3s (690 kB/s) Reading package lists... Done Building dependency tree... Done 1 package can be upgraded. Run 'apt list --upgradable' to see it.
更新源需要MYD-LD25X连接互联网，请确保网络通畅。执行上述命令时，可能会出现以下问题导致更新错误：
l同步时间问题
E: Release file for http://packages.openstlinux.st.com/5.1/dists/mickledore/InRelease is not valid yet (invalid for another 1383d 8h 14min 14s). Updates for this repository will not be applied. E: Release file for http://extra.packages.openstlinux.st.com/AI/5.1/dists/mickledore/InRelease is not valid yet (invalid for another 1381d 8h 10min 47s). Updates for this repository will not be applied.
出现上述问题的原因是当前开发板时间没有和网络时间成功同步，执行以下操作同步网络时间，首先修改timesyncd.conf配置文件，新增FallbackNTP授时中心网站，按如下所示修改：
# vi /etc/systemd/timesyncd.conf ... [Time] #NTP= FallbackNTP=ntp.ntsc.ac.cn cn.ntp.org.cn ...
然后输入如下命令重启同步时间服务：
# systemctl restart systemd-timesyncd
再次输入date查看时间是否成功更新，根据网络情况不同部分情况可能需要一定时间同步：
# date 2023年 03月 03日 星期五 17:50:37 CST # date 2024年 09月 20日 星期五 15:45:15 CST
lDNS问题
运行apt update后可能会出现以下问题：
# apt update ... Err:1 http://packages.openstlinux.st.com/5.1 mickledore InRelease Temporary failure resolving 'packages.openstlinux.st.com' Reading package lists... Done Building dependency tree... Done All packages are up to date. W: Failed to fetch http://packages.openstlinux.st.com/5.1/dists/mickledore/InRelease Temporary failure resolving 'packages.openstlinux.st.com' W: Some index files failed to download. They have been ignored, or old ones used instead.
该问题需要修改/etc/resolve.conf，在文件中添加如下内容：
# vi /etc/resolv.conf ... nameserver 8.8.8.8 nameserver 8.8.4.4
2.2.安装x-linux-ai-tool
当完成环境配置后，输入以下命令安装x-linux-ai-tool：
# apt-get install -y x-linux-ai-tool
安装完成后，输入以下命令确认是否安装完成：
# x-linux-ai -v X-LINUX-AI version: v5.1.0
关于x-linux-ai工具的使用，可以通过x-linux-ai -h查看或者浏览官方wiki：
2.3.安装 X-LINUX-AI 演示包
要开始使用 X-linux-ai，需要安装 X-linux-ai 演示包，该包提供了针对所用特定目标优化的所有 Ai 框架、应用程序示例、工具和实用程序：
# x-linux-ai -i packagegroup-x-linux-ai-demo
2.4.运行demo启动器
ST的官方demo启动器在MYD-LD25X默认已经移除，为了方便使用X-linu-ai的demo应用，需要重新添加随weston自启动的官方demo展示程序。
进入/usr/local/weston-start-at-startup目录，并新建start_up_demo_launcher.sh脚本，按照如下操作添加对应内容到脚本中：
# cd /usr/local/weston-start-at-startup # vi start_up_demo_launcher.sh #!/bin/sh DEFAULT_DEMO_APPLICATION_GTK=/usr/local/demo/launch-demo-gtk.sh if [ -e /etc/default/demo-launcher ]; then source /etc/default/demo-launcher if [ ! -z "$DEFAULT_DEMO_APPLICATION" ]; then $DEFAULT_DEMO_APPLICATION else $DEFAULT_DEMO_APPLICATION_GTK fi else $DEFAULT_DEMO_APPLICATION_GTK fi
然后添加运行权限给脚本：
# chmod a+x start_up_demo_launcher.sh
最后重启weston服务后，可以看到启动器成功运行：
# systemctl restart weston-graphical-session.service
图2-1. demo启动器-1
图2-2. demo启动器-2
3.运行AI 应用实例
本章节将简单展示上文安装后的几个Demo具体情况，在执行Demo前，需要准备好1.1小节的硬件资源。
以下demo运行都需要使用到MIPI-CSI摄像头，适用于MYD-LD25X开发板的摄像头型号为米尔的MY-CAM003M，在使用该摄像头前需要按照以下命令来初始化配置并事先预览确保摄像头能够正常工作。
进入/etc/myir_test目录，运行myir_camera_play脚本：
# cd /etc/myir_test # ./myir_camera_play
执行后，屏幕上会出现摄像头预览画面，请确保画面显示正常，如果存在问题，请查阅《MYD-LD25X Linux 软件评估指南》中关于MIPI-CSI摄像头的部分检查摄像头连接情况等来排查问题，如有需要请咨询米尔技术支持。
3.1.图像分类
图像分类神经网络模型可以识别图像所代表的对象。它将图像分类为不同的类别。该应用展示了一个计算机视觉的图像分类用例，从相机输入（/dev/videox）捕获帧，并通过OpenVX、TFLite或ONNX框架解析的神经网络模型进行分析。
3.1.1.通过demo启动器运行
可以通过点击demo启动器中的Image Classifiction样例图标来运行该demo，默认情况下，通过2.3小节安装的是OpenVX的应用程序，并且由C/C++和Python两种。
图3-1. 图像分类
3.1.2.通过命令运行
图像分类的C/C++和Python应用程序位于/usr/local/x-linux-ai/image-classification/目录中，可以通过运行程序加-h参数来获取更多帮助信息：
# cd /usr/local/x-linux-ai/image-classification/ # ls -la stai_mpu_image_classification #C++运行程序 stai_mpu_image_classification.py #Python运行程序
为了简化demo的启动，在应用程序目录下有配置好的启动脚本：
使用相机输入启动图像分类demo
launch_bin_image_classification.sh #C++运行程序 launch_python_image_classification.sh #Python运行程序
使用图片输入启动图像分类demo
launch_bin_image_classification_testdata.sh #C++运行程序 launch_python_image_classification_testdata.sh #Python运行程序
3.1.3.demo展示
通过demo启动器启动默认为使用相机输入，和命令启动中使用相机输入的脚本运行结果一致，这里以C/C++程序为例，具体测试情况如下：
# cd /usr/local/x-linux-ai/image-classification # ./launch_bin_image_classification.sh #或者点击demo启动器图标
图3-2. 摄像机输入
运行图片输入的程序脚本前，需要准备识别的图片，这里以一张泰迪熊的图片为例，图片放置目录为/usr/local/x-linux-ai/image-classification/models/mobilenet/testdata，然后运行脚本，这里以C/C++应用程序为例。
# cd /usr/local/x-linux-ai/image-classification/models/mobilenet/testdata # ls -la -rwxr--r-- 1 root root 102821 9 20 23:14 teddy.jpg # cd /usr/local/x-linux-ai/image-classification # ./launch_bin_image_classification_testdata.sh
运行结果如下：
图3-3. 图片输入
3.2.对象检测
该应用展示了一个计算机视觉的对象检测用例，从相机输入（/dev/videox）捕获帧，并通过OpenVX、TFLite或ONNX框架解析的神经网络模型进行分析。使用Gstreamer管道来流式传输相机帧（使用v4l2src），显示预览（使用gtkwaylandsink），并执行神经网络推理（使用appsink）。
3.2.1.通过demo启动器运行
可以通过点击demo启动器中的Object Detection样例图标来运行该demo，默认情况下，通过2.3小节安装的是OpenVX的应用程序，并且由C/C++和Python两种。
图3-4. 对象检测
3.2.2.通过命令运行
对象检测的C/C++和Python应用程序位于/usr/local/x-linux-ai/object-detection/目录中，可以通过运行程序加-h参数来获取更多帮助信息：
# cd /usr/local/x-linux-ai/object-detection/ # ls -la stai_mpu_object_detection #C++运行程序 stai_mpu_object_detection.py #Python运行程序
为了简化demo的启动，在应用程序目录下有配置好的启动脚本：
使用相机输入启动对象检测demo
launch_bin_object_detection.sh #C++运行程序 launch_python_object_detection.sh #Python运行程序
使用图片输入启动对象检测demo
launch_bin_object_detection_testdata.sh #C++运行程序 launch_python_object_detection_testdata.sh #Python运行程序
3.2.3.demo展示
通过demo启动器启动默认为使用相机输入，和命令启动中使用相机输入的脚本运行结果一致，这里以C/C++程序为例，具体测试情况如下：
# cd /usr/local/x-linux-ai/object-detection # ./launch_bin_object_detection.sh #或者点击demo启动器图标
图3-5. 摄像机输入
运行图片输入的程序脚本前，需要准备识别的图片，这里以一张泰迪熊和小猫的图片为例，图片放置目录为：
/usr/local/x-linux-ai/object-detection/models/coco_ssd_mobilenet/testdata
然后运行脚本，这里以C/C++应用程序为例。
# cd /usr/local/x-linux-ai/object-detection/models/coco_ssd_mobilenet/testdata # ls -la -rwxr--r-- 1 root root 102821 9 20 23:14 teddy-and-cat.jpg # cd /usr/local/x-linux-ai/object-detection # ./launch_bin_object_detection_testdata.sh
运行结果如下：
图3-6. 图片输入
3.3.姿势估计
该应用展示了一个计算机视觉的人体姿态估计用例，从相机输入（/dev/videox）捕获帧，并通过OpenVX框架解析的神经网络模型进行分析。该应用使用的模型是从stm32-hotspot ultralytics的GitHub分支下载的ST YoloV8n-pose。
3.3.1.通过demo启动器运行
可以通过点击demo启动器中的Pose Estimation样例图标来运行该demo，默认情况下，通过2.3小节安装的是OpenVX的应用程序，默认为Python应用程序。
图3-7. 姿势估计
3.3.2.通过命令运行
姿势估计的C/C++和Python应用程序位于/usr/local/x-linux-ai/object-detection/目录中，可以通过运行程序加-h参数来获取更多帮助信息：
# cd /usr/local/x-linux-ai/pose-estimation/ # ls -la stai_mpu_pose_estimation.py
为了简化demo的启动，在应用程序目录下有配置好的启动脚本：
使用相机输入启动姿势估计demo
launch_python_pose_estimation.sh
使用图片输入启动姿势估计demo
launch_python_pose_estimation_testdata.sh
3.3.3.demo展示
通过demo启动器启动默认为使用相机输入，和命令启动中使用相机输入的脚本运行结果一致，这里以C/C++程序为例，具体测试情况如下：
# cd /usr/local/x-linux-ai/pose-estimation/ # ./launch_python_pose_estimation.sh #或者点击demo启动器图标
图3-8. 摄像机输入
运行图片输入的程序脚本前，需要准备识别的图片，这里以一张人跑步的图片为例，图片放置目录为：/usr/local/x-linux-ai/pose-estimation/models/yolov8n_pose/testdata，然后运行脚本，这里以C/C++应用程序为例。
# cd /usr/local/x-linux-ai/pose-estimation/models/yolov8n_pose/testdata # ls -la -rwxr--r-- 1 root root 102821 9 20 23:14 person-run.jpg # cd /usr/local/x-linux-ai/pose-estimation # ./launch_python_pose_estimation_testdata.sh
运行结果如下：
图3-9. 图片输入
3.4.语义分割
该应用展示了一个计算机视觉的语义分割用例，从相机输入（/dev/videox）捕获帧，并通过OpenVX框架解析的神经网络模型进行分析。使用Gstreamer管道来流式传输相机帧（使用v4l2src），显示预览（使用gtkwaylandsink），并执行神经网络推理（使用appsink）。推理结果显示在预览中，叠加是使用GtkWidget和cairo实现的。该应用使用的模型是从TensorFlow™ Lite Hub下载的DeepLabV3。
3.4.1.通过demo启动器运行
可以通过点击demo启动器中的Semantic Segmentation样例图标来运行该demo，默认情况下，通过2.3小节安装的是OpenVX的应用程序，默认为Python应用程序。
图3-10. 语义分割
3.4.2.通过命令运行
语义分割的C/C++和Python应用程序位于/usr/local/x-linux-ai/object-detection/目录中，可以通过运行程序加-h参数来获取更多帮助信息：
# cd /usr/local/x-linux-ai/semantic-segmentation/ # ls -la stai_mpu_semantic_segmentation.py
为了简化demo的启动，在应用程序目录下有配置好的启动脚本：
使用相机输入启动语义分割demo
launch_python_semantic_segmentation.sh
使用图片输入启动语义分割demo
launch_python_semantic_segmentation_testdata.sh
3.4.3.demo展示
通过demo启动器启动默认为使用相机输入，和命令启动中使用相机输入的脚本运行结果一致，这里以C/C++程序为例，具体测试情况如下：
# cd /usr/local/x-linux-ai/semantic-segmentation/ # ./launch_python_semantic_segmentation.sh #或者点击demo启动器图标
图3-11. 摄像机输入
运行图片输入的程序脚本前，需要准备识别的图片，这里以一张人正在办公的图片为例，图片放置目录为：
/usr/local/x-linux-ai/semantic-segmentation/models/deeplabv3/testdata
然后运行脚本，这里以C/C++应用程序为例。
# cd /usr/local/x-linux-ai/semantic-segmentation/models/deeplabv3/testdata # ls -la -rwxr--r-- 1 root root 102821 9 20 23:14 person-work.jpg # cd /usr/local/x-linux-ai/semantic-segmentation # ./launch_python_semantic_segmentation_testdata.sh
运行结果如下：
图3-12. 图片输入
4. 参考资料
lX-Linux-AI-Tool
lST 官方Wiki
2024-11-21
后摩尔时代的创新：在米尔FPGA上实现Tiny YOLO V4，助力AIoT应用
学习如何在 MYIR 的 ZU3EG FPGA 开发板上部署 Tiny YOLO v4，对比 FPGA、GPU、CPU 的性能，助力 AIoT 边缘计算应用。（文末有彩蛋）一、为什么选择 FPGA：应对 7nm 制程与 AI 限制在全球半导体制程限制和高端GPU 受限的大环境下，FPGA 成为了中国企业发展的重要路径之一。它可支持灵活的AIoT 应用，其灵活性与可编程性使其可以在国内成熟的 28n
2024-11-21
追加名额丨米尔瑞芯微RK3576开发板有奖试用
米尔与瑞芯微合作发布的新品基于瑞芯微RK3576应用处理器的MYD-LR3576开发板免费试用活动加码啦~~米尔追加了2块价值849元的MYD-LR3576开发板发起试用活动您不仅可以免费体验还可以获得京东购物卡赶快点击链接报名吧~↓↓↓评测活动报名链接：EEWORLD电子工程世界：https://bbs.eeworld.com.cn/elecplay.php?action=show&op
2024-11-12
米尔RK3576开发板双十一特惠活动！
近日，米尔电子发布基于瑞芯微RK3576核心板和开发板，RK3576作为国产热门处理器，其高性能数据处理能力、领先的AI智能分析、强大的扩展性与兼容性受到广大开发者的关注。此次，米尔推出RK3576开发板特价活动，价格699元起，限量抢购。点击链接购买：https://detail.tmall.com/item.htm?id=8461721608876 TOPS超强算力，8核CPU赋能AI瑞芯微R
2024-11-12
有奖丨米尔 瑞芯微RK3576开发板免费试用
米尔与瑞芯微合作发布的新品基于瑞芯微RK3576应用处理器的MYD-LR3576开发板免费试用活动来啦~~米尔提供了7块价值849元的MYD-LR3576开发板发起试用活动您不仅可以免费体验还可以获得京东购物卡赶快点击链接报名吧~↓↓↓评测活动报名链接：面包板：https://mbb.eet-china.com/evaluating/product-193.html#report试用活动信息报名时
2024-11-07
配置上新！米尔-新唐MA35D1核心板512M DDR配置发布！
米尔在2024年8月推出了基于新唐MA35D1芯片设计的嵌入式处理器模块MYC-LMA35核心板及开发板。MA35D1是集成2个Cortex-A35与1个Cortex-M4的异构微处理器芯片。核心板采用创新LGA 252PIN设计，原生17路UART和4路CAN FD等丰富的通讯接口，可广泛应用于新能源充电桩、工程机械控制器、OBD汽车诊断仪、工业网关、运动控制器和电力DTU等场景。配置上新，容量
2024-11-07
基于OpenCV的相机捕捉视频进行人脸检测--米尔NXP i.MX93开发板
本篇测评由与非网的优秀测评者“eefocus_3914144”提供。本文将介绍基于米尔电子MYD-LMX93开发板（米尔基于NXP i.MX93开发板）的基于OpenCV的人脸检测方案测试。OpenCV提供了一个非常简单的接口，用于相机捕捉一个视频(我用的电脑内置摄像头)1、安装python3-opencvaptinstallpython3-opencv2、查看摄像头支持的格式与分辨率root@d
2024-10-31
低至5折！感恩相伴，助力产品长跑，米尔FPGA开发板大减价
文末有礼米尔电子作为行业领先的解决方案供应商，致力于打造高可靠性、长生命周期的FPGA SOM（System on Module）产品，满足工业、汽车、医疗，电力等严苛应用领域的需求。米尔设计开发硬件平台，接口驱动等底层软件作为中间件，客户仅需关注自身业务与行业应用层软件开发，极大减少设计难度，加快了上市周期。支持开发板样件，POC，量产定制，灵活满足客户不同阶段需求。1. 产品升级与性能提升米尔
2024-10-31
4K视频为何越来越糊？SGMII与HEVC如何重拾高码流体验
1.引言随着网络视频平台的发展，用户对于4K高清画质的需求日益增长。然而，许多用户发现，即使购买了视频平台的会员，观看4K内容时画质却不如预期，有时甚至还会出现模糊、卡顿的情况。这种现象背后涉及到视频编码、网络带宽、和视频传输的诸多因素。近期“影视飓风”发布的视频《清晰度不如4年前！视频变糊是你的错觉吗？》因讨论视频平台降低码率和改变编码格式以压缩视频画质，影响了内容表达。4K视频清晰度下降的一个
2024-10-24
新品！米尔RK3576核心板8核6T高算力，革新AIoT设备
随着科技的快速发展，AIoT智能终端对嵌入式模块的末端计算能力、数据处理能力等要求日益提高。近日，米尔电子发布了一款基于瑞芯微RK3576核心板和开发板。核心板提供4GB/8GB LPDDR4X、32GB/64GB eMMC等多个型号供选择。瑞芯微RK3576核心优势主要包括高性能数据处理能力、领先的AI智能分析、多样化的显示与操作体验以及强大的扩展性与兼容性。下面详细介绍这款核心板的优势。6T
2024-10-24
TI研讨会正在进行中，米尔诚邀您参与
让嵌入式的未来成为可能！10月22日，2024德州仪器嵌入式技术创新发展研讨会如约而至！探讨 TI 嵌入式新产品和应用方案。这里有全面的 TI 嵌入式处理器产品组合、热门的无线连接、微控制器、处理器技术以及毫米波传感器解决方案、前沿的系统解决方案、新一代产品介绍以及方便易用的平台及工具，满足您各类设计需求，助力每个项目的快速上市！米尔作为领先的嵌入式处理器模组厂商，出席了此次会议，米尔电子在现场展