TinyML 是指在 Arduino 這類 MCU 板子上也能做到簡易的神經網絡推論，讓基本的傳感器數據分析也能透過機器學習來找到更多有趣的信息。

Wio Terminal 就是在這股浪潮下所產生的一個產品，除了使用 ATSAMD51 核心并搭配 Realtek RTL8720DN 的 Wi-Fi / 藍牙芯片，還支持Grove 系列傳感器。

最重要的當然是本文核心– TinyML，可將所收集到的數據透過 Edge Impulse 網站來進行一條龍的處理、訓練與測試流程，再把神經網絡檔案導出到 Wio Terminal 上來執行，過程不能說超簡單，但確實已經方便非常多了！

本文要介紹使用 Wio Termianl 所提供的好用韌體，來收集咖啡、酒精的氣味資料。非常有趣的題目，您一定會喜歡的喔！

注：本文將使用 Grove –多通道氣體傳感器 V2，直接接上 Wio Terminal 的任一個 Grove 接口就好。

Grove – 多通道氣體傳感器 V2

Wio Termina嗅覺鼻子實驗套件

Wio Terminal 的基本環境設定

關于 Wio Terminal 的基本環境設定，請參考之前的文章。我也錄制了影片帶您一步步操作：

不過呢，這次就不用自己再寫 Arduino 的上傳程序了，直接使用現成的 Firmware。

請把 Wio Terminal 接上計算機，再把它的開關往 use port 的方向拉兩下，它會變成一個 Arduino 的磁盤，請把 .uf2 檔丟進去就會自動更新這個韌體，之后再重新插拔 usb 線讓他重開機就好了，簡單~

開啟 cmd 或 anaconda prompt，開始上傳數據 (如果還沒有安裝 node.js 的畫，請安裝 node.js v14 以上) ：

連上 Edge Impulse

先安裝 Edge Impulse cli 工具：

npm install -g edge-impulse-cli

接著輸入以下指令來登入 Edge Impulse 網站 (當然您需要先注冊賬號，并在網站上建立一個項目)：

edge-impulse-daemon --clean

請依序輸入賬號密碼、命名 WioTerminal 裝置 (如圖中的 wio_nose)、、選擇項目 (我也取名為 wio_nose)，最后看到“[WS ] Go to ”，就可以回到 Edge Impulse 網站了。

Edge Impulse 收集資料

請確認氣體傳感器已經接好，并開啟 Edge Impulse 網站，進入您所建立的項目，點選左側的 Data acquisition，先看到右側的 Sensor，從下拉式選單可以看到wio 內建與常用的傳感器只要接好就好。

先輸入 Label 為你所定義的類別，在此有以下三個類別：

?coffee: 泡一杯香濃的咖啡吧~

?75_alcohol: 容易取得的 75% 洗手酒精

?surrounding：遠離以上兩種氣味的環境將傳感器置于該情境中，例如咖啡杯上方、噴了酒精的衛生紙，按下 Start sampling，在此我們把 Sample length (ms) 樣本長度設定為 10000 ms，因為氣味會延續一段時間。

收集完三類別的數據如下圖，可以看到四軸的數據變化：

coffee 的資料：

75_alcohol 的資料：

Surrounding：遠離咖啡與酒精的環境氣味數據

建立 Impulse 來訓練神經網絡

詳細設定請參考上一篇，請看我的 Impulse 與神經網絡設定：

使用以下設定來訓練，準確度有到 100% ！別高興太早，這應該只能說這三種味道的差異本來就很大，您之后可以試試看去分析紹興酒與高粱酒的差別，挑戰性應該很高！

使用 EON Tuner 優化

EON Tuner 可針對各平臺來優化，整個流程需要數小時，不過這期間您還是可以進行其他操作，請參考以下設定來設定 target：

?Dataset category: continous motion (震動、氣味等時間較久的訊號)，如果是上一篇的手勢，請改選 motion events

?Target device：Wio Terminal

?Time per inference: 2000 ms (這里可以自由設定，氣味的話就久一點吧)

審核編輯：劉清