1. 项目缘起：当一块开发板“听见”世界

最近在捣鼓一个智能家居的雏形项目，核心需求是让设备能自动识别当前的环境状态，比如是安静的夜晚、嘈杂的客厅聚会，还是厨房里烧水壶的鸣叫声。一开始的思路是上各种传感器，温湿度、光线、运动检测，但总觉得差点意思，不够“智能”。直到我把目光投向了手边的这块 Wio Terminal ，它那块小巧的屏幕上集成了麦克风，一个念头冒了出来：为什么不直接让它“听”呢？

让机器通过声音理解环境，这就是 音频场景识别 。它不像语音识别那样关注“说了什么”，而是关注“这是什么声音场景”。对于资源受限的嵌入式设备来说，这曾经是个难题，但 Edge Impulse 的出现改变了游戏规则。这个平台把机器学习的整个流程，从数据采集、训练到最终部署，都变得像搭积木一样直观。更重要的是，它能将训练好的轻量级模型直接部署到 Wio Terminal 这类边缘设备上，实现真正的本地化、低延迟推理，无需依赖云端。

所以，这个项目的目标很明确： 利用 Wio Terminal 内置的麦克风采集声音，通过 Edge Impulse 平台训练一个能区分不同环境声音（如安静、人声、音乐、警报）的微型机器学习模型，并将模型部署回 Wio Terminal，让它能实时“听见”并识别周围是什么场景。 整个过程，从硬件到算法再到应用，形成了一个完整的闭环，非常适合作为嵌入式AI的入门实践。

2. 硬件与平台准备：为什么是Wio Terminal和Edge Impulse？

在开始敲代码之前，我们先聊聊选型。市面上带麦克风的开发板不少，比如 Arduino Nano 33 BLE Sense、ESP-EYE，为什么偏偏是 Wio Terminal？而云端机器学习平台也有很多，为何选择 Edge Impulse？这背后有非常实际的考量。

2.1 Wio Terminal：不止是“能响”的麦克风

Wio Terminal 上的麦克风不是一个简单的声音开关。它集成了一个 PDM（脉冲密度调制）麦克风 ，型号通常是 SPH0645LM4H。PDM 麦克风与传统的模拟麦克风或 I2S 数字麦克风在工作原理上有所不同。

  • PDM vs. 模拟麦克风 ：模拟麦克风输出的是连续的电压信号，需要外接ADC（模数转换器）才能被微控制器读取。而 PDM 麦克风直接输出数字信号，它通过极高的采样率（远高于最终我们需要的音频频率）来用脉冲的密度表示模拟信号的幅度。这简化了硬件设计，但需要微控制器有对应的 PDM 接口或使用软件库进行解码。
  • PDM vs. I2S 麦克风 ：I2S 是另一种数字音频接口标准，它传输的是已经过采样和量化的 PCM 数据，可以直接使用。PDM 数据则需要一个“抽取滤波器”来降采样并转换为 PCM。Wio Terminal 使用的 ATSAMD51 微控制器内置了 PDM 接口和相应的硬件滤波器，这意味着它可以用较低的 CPU 开销来处理 PDM 数据流，这对于需要持续录音的音频应用至关重要。

除了麦克风，Wio Terminal 的其它特性也让它成为边缘AI实验的理想选择：

  • 强大的核心 ：ATSAMD51P19 ARM Cortex-M4F @ 120MHz，带浮点运算单元，能较好地运行轻量级神经网络。
  • 丰富的交互界面 ：2.4英寸 LCD 屏幕、按键、摇杆，方便直接显示识别结果和进行交互，无需额外接线。
  • 无线连接 ：板载 WiFi/蓝牙模块，便于将识别结果上传到服务器或接收远程指令。
  • Grove 生态系统 ：兼容大量传感器和执行器，方便未来功能扩展。

所以，选择 Wio Terminal，不仅是看中了它的麦克风，更是看中了它“All-in-One”的便捷性和足够应对边缘音频处理的性能。

2.2 Edge Impulse：为边缘设备“量身定做”的ML平台

Edge Impulse 的核心价值在于它极大地降低了嵌入式机器学习的门槛。它不是一个通用的 AI 平台，而是专门为“在资源有限的设备上运行模型”这个场景优化的。

  • 端到端的工作流 ：它提供了从 数据采集 （通过串口、手机或SDK直接录制）、 数据标注 （在网页上轻松划分时间段并打标签）、 特征提取 （自动计算MFCC、频谱图等）、 模型设计/训练 （提供针对音频、图像的预置神经网络架构，如Keras/TensorFlow Lite Micro）到 模型测试与部署 （一键生成适用于 Arduino、TensorFlow Lite等格式的库）的全套工具。你不需要分别搭建数据管道、训练环境和部署工具。
  • 面向边缘的优化 ：平台在训练时会实时估算模型在目标设备（如 Wio Terminal）上的推理时间、内存（RAM）和存储（Flash）占用。你可以直观地看到模型是否“适合”你的设备，并据此调整模型结构（如层数、神经元数量）或输入特征（如MFCC系数个数），在精度和资源消耗之间找到最佳平衡点。这是传统机器学习平台（如Google Colab）很难提供的。
  • 活跃的社区与丰富的案例 ：平台有大量针对不同传感器（加速度计、摄像头、麦克风）和不同设备（包括Wio Terminal）的公开项目和数据集，初学者可以快速克隆并学习，极大缩短了学习曲线。

结合这两者，Wio Terminal 提供了稳定可靠的数据采集能力和适中的算力，而 Edge Impulse 则提供了傻瓜式的模型生产和优化工具。这个组合让开发者可以聚焦于“解决什么问题”和“需要什么数据”，而不是纠缠于信号处理和模型转换的复杂细节。

3. 实战第一步：在Edge Impulse中创建并配置项目

现在，我们进入实操环节。第一步是在 Edge Impulse 上搭建我们的项目框架。

  1. 注册与登录 ：访问 Edge Impulse 官网，用 GitHub 或邮箱注册一个免费账户。免费账户对于个人和小型项目完全够用。

  2. 创建新项目 ：在 Dashboard 点击 “Create new project”，给项目起个名字，比如 Wio-Terminal-Audio-Scene 。项目类型选择 “Audio”，因为我们要处理的是声音信号。

  3. 连接设备（关键步骤） ：这是让 Wio Terminal 和 Edge Impulse 对话的桥梁。Edge Impulse 提供了多种连接方式，对于 Wio Terminal，我们使用最稳定的 “Edge Impulse CLI + 串口” 方式。

    • 安装 CLI 工具 ：根据你的电脑操作系统（Windows/macOS/Linux），在终端或命令提示符中运行安装命令。通常是一条 npm 命令。
    • 登录 CLI ：安装后，在终端运行 edge-impulse-daemon ，它会提示你登录 Edge Impulse 账户并选择对应的项目。
    • 连接 Wio Terminal ：用 USB 数据线将 Wio Terminal 连接到电脑。 注意，Wio Terminal 有两个USB口，一个标有“USB”（用于编程和通信），一个标有“OTG”（通常用于连接外设）。请务必连接到“USB”口。
    • 上传采集固件 ：CLI 工具会自动检测到连接的 Wio Terminal，并提示你是否为其安装“数据转发固件”。选择“是”。这个固件会替换掉 Wio Terminal 上原有的程序，使其变成一个纯粹的数据采集器，能够将麦克风数据通过串口实时发送到 Edge Impulse 平台。安装成功后，在 Edge Impulse 项目的 “Devices” 页面，你应该能看到你的 Wio Terminal（通常以串口号命名）显示为“已连接”状态。

注意 ：这个“数据转发固件”是临时的。当你完成数据采集，需要部署模型回 Wio Terminal 运行时，需要再刷入另一个“推理固件”。不用担心，Edge Impulse 在部署时会提供完整的方案。

  1. 配置采集参数 ：在项目左侧菜单进入 “Data acquisition” 页面。这里需要设置录音参数：
    • Label ：输入你即将采集的声音场景标签，例如 quiet 。
    • Sample length (ms) ：建议设置为 2000 ms (2秒) 。对于环境声音识别，1-3秒的片段通常包含足够的信息，且不会太长导致处理负担过重。
    • Sensor ：选择 “Microphone”。
    • Frequency ：设置为 16000 Hz 。这是语音和常见环境音识别的一个标准采样率，能覆盖大部分关键频率（人耳可听范围约20Hz-20kHz，根据奈奎斯特定理，16000Hz采样率能表征最高8000Hz的声音，这对很多环境音已足够），同时数据量适中。
    • 设置完成后 ，点击 “Start sampling”，CLI 终端和网页上都会开始倒计时，Wio Terminal 的屏幕也会亮起（如果固件支持），表示正在录音。2秒后，一段名为 quiet 的音频样本就会出现在下方的数据列表中。

4. 数据采集的艺术：如何获取高质量的训练样本

模型的好坏，七分靠数据。对于音频场景识别，采集“干净”、“有代表性”的数据至关重要。

4.1 设计你的声音类别

不要贪多，从3-5个有明显区别的场景开始。例如：

  • 安静 (quiet) ：夜间或无人房间的环境底噪。
  • 人声对话 (human_talk) ：两人或多人正常交谈的声音，注意避免背景音乐或巨大噪音。
  • 音乐 (music) ：播放一段流行音乐或纯音乐。
  • 家电运行 (appliance) ：如风扇、抽油烟机、洗衣机运转的持续白噪音或周期性噪音。
  • 警报声 (alarm) ：手机闹钟、微波炉完成提示音等。

类别之间差异越大，模型越容易学习。避免设置“办公室噪音”和“咖啡馆闲聊”这种高度相似的类别作为起步。

4.2 采集过程中的实战技巧

  1. 多样性与均衡 ：每个类别至少采集 2-3分钟 的有效音频数据（即60-90个2秒样本）。确保数据在 时间 和 空间 上具有多样性。例如，“人声对话”要在房间的不同位置、不同时间（上/下午）、不同的人之间采集。“音乐”也要包含不同风格、不同音量。
  2. 背景噪声的处理 ：这是最大的挑战之一。我们无法生活在消音室里。 正确的做法不是追求绝对安静，而是在采集每个类别时，都包含其“典型”的背景噪声。 例如，采集“人声对话”时，可以允许轻微的空调声；采集“安静”时，就是纯粹的背景底噪。这样模型学习到的是“人声+轻微空调” vs “仅有空调底噪”的区别，而不是“绝对静音” vs “有任何声音”。这反而提升了模型的鲁棒性。
  3. 标签的准确性 ：在 Edge Impulse 的 “Data acquisition” 页面，每录完一段，你可以立即播放复核。如果这段录音不纯（比如在录“安静”时有人咳嗽），果断点击样本右侧的垃圾桶图标删除它。脏数据对模型的伤害远大于数据量不足。
  4. 利用手机辅助采集 ：如果觉得对着电脑录音不方便，Edge Impulse 的手机App（iOS/Android）是个神器。在同一个WiFi网络下，手机App可以连接到你的Edge Impulse项目，直接使用手机麦克风采集数据并同步到云端项目里。这对于采集“户外交通声”、“厨房炒菜声”等移动场景的声音非常方便。
  5. 数据增强 ：Edge Impulse 在后续处理环节提供了数据增强选项（如添加噪声、时间拉伸），但最根本的还是要靠原始数据的质量。 不要过度依赖数据增强来弥补糟糕的原始数据。

采集完成后，你的 “Data acquisition” 页面应该有几个不同的标签，每个标签下有几十个音频样本。接下来，我们需要把这些原始音频转换成机器学习模型能理解的“特征”。

5. 脉冲设计：从声音到特征图谱

在 Edge Impulse 中，“Impulse design”（脉冲设计）是整个项目的核心流水线配置。它定义了原始数据如何被处理，最终输入到神经网络中。

进入 “Impulse design” 页面，你会看到三个主要模块：

  1. Input Block ：这里确认输入数据。因为我们采集的是16000Hz的1通道（单声道）音频，所以这里显示为“Audio (16000 Hz, 1 channel)”。每个样本的长度是2000ms，即32000个采样点（16000 * 2）。

  2. Processing Block ：这是特征提取器。对于音频分类，最常用的是 MFCC（梅尔频率倒谱系数） 。

    • 为什么是MFCC？ 人耳对不同频率声音的敏感度不是线性的，对低频更敏感。MFCC通过梅尔滤波器组模拟了这种人耳特性，将音频信号转换为一组能更好代表其“音色”特征的系数。它比原始的波形数据更紧凑，且对音量变化相对不敏感，非常适合用于声音分类。
    • 参数配置 ：点击 “Add a processing block”，选择 “Audio (MFCC)”。通常使用默认参数即可：滤波器数量（Filter bank）为32，FFT长度（FFT length）为512，hop length为128。这些参数决定了MFCC特征图的时间和频率分辨率。对于2秒的音频，默认参数会生成一个大约 #时间帧 * #MFCC系数 的二维矩阵（例如 157x13）。这个矩阵就是神经网络看到的“图片”。

  3. Learning Block ：这是分类器，我们选择 “Neural Network (Keras)”。点击 “Add a learning block”。

配置好后，整个流水线就是： 原始音频 -> MFCC特征提取 -> 神经网络分类 。点击 “Save impulse” 保存配置。

接下来，点击 “MFCC” 标签页，再点击 “Generate features”。平台会使用你所有的训练数据（可以先不划分训练集和测试集）来运行整个特征提取流程，并生成一个 特征可视化图 。

这个图至关重要！ 它用不同的颜色点代表了不同类别样本在特征空间中的位置。理想情况下， 相同颜色的点应该紧密地聚集在一起，而不同颜色的点应该清晰地分开 。如果发现某个类别的点分散在各处，或者不同颜色的点大面积混杂，说明：

  • 数据质量有问题（标签不准或噪声太大）。
  • 当前选择的特征（MFCC）可能不足以区分这些类别。
  • 可能需要重新设计你的声音类别。

如果特征图看起来分离度不错，恭喜你，数据准备工作基本成功了。

6. 模型训练、调优与性能剖析

特征准备就绪，我们就可以“教”模型学习了。

  1. 划分数据集 ：在 “Impulse design” 页面点击 “NN Classifier” 标签。首先，你需要设置训练集和测试集的比例。Edge Impulse 默认会随机将数据按 80%/20% 分割。 务必保留这个测试集！ 它是用来评估模型在“从未见过的数据”上表现的关键，防止模型过拟合（只在训练数据上表现好）。

  2. 配置神经网络参数 ：

    • 训练周期 (Number of training cycles) ：从 50 开始。周期太少可能学不充分，太多可能导致过拟合。可以观察训练过程中的准确率曲线，当验证集准确率不再上升甚至开始下降时，就说明可能过拟合了。
    • 学习率 (Learning rate) ：保持默认值（如0.0005）即可。学习率太大可能导致训练不稳定（准确率剧烈波动），太小则训练缓慢。
    • 模型架构 ：Edge Impulse 为音频分类预设了一个高效的卷积神经网络（CNN）架构。它通常包含若干层卷积层（用于提取局部特征）、池化层（用于降维）和全连接层（用于分类）。对于初学者， 强烈建议先使用默认架构 进行第一次训练，以建立一个性能基线。

  3. 开始训练 ：点击 “Start training”。平台会开始工作，几分钟后（取决于数据量）即可完成。

  4. 分析训练结果 ：训练完成后，你会看到几个关键指标：

    • 准确率 (Accuracy) ：模型在测试集上的总体分类正确率。初次训练能达到85%以上就算很不错了。
    • 混淆矩阵 (Confusion matrix) ： 这个比准确率更重要！ 它告诉你模型具体在哪里混淆了。例如，你可能发现“人声”有10%被误判为“音乐”，这说明这两类声音在某些特征上可能比较相似。这为你后续优化指明了方向：要么收集更多能区分这两类的数据，要么考虑调整类别。
    • 模型性能概览 ：Edge Impulse 会估算模型在目标设备（Wio Terminal）上的性能： 推理时间、RAM占用、Flash占用 。这是边缘部署的生命线！
      • 如果推理时间超过100ms（对于2秒的音频片段，实时性要求可以放宽），你可能需要考虑优化模型。
      • 如果Flash占用接近或超过Wio Terminal的可用空间（约192KB用于程序存储，但需为其他代码留空间），就必须精简模型。

  5. 模型优化实战 ：

    • 如果准确率低 ：回到数据环节。检查特征图，采集更多、更干净的数据，尤其是混淆矩阵中显示易混淆的类别数据。
    • 如果资源占用过高 ：
      • 调整 MFCC 参数 ：减少 MFCC 系数的数量（如从13减到10）。这会直接减少输入神经网络的数据量。
      • 精简神经网络 ：在 “NN Classifier” 的设置中，可以尝试减少卷积层的滤波器数量（ Conv 1D 层的 filters ）或神经元的数量（ Dense 层的 neurons ）。 每次只调整一个参数 ，然后重新训练并观察准确率和资源消耗的变化，寻找平衡点。
      • 使用 EON Tuner ：Edge Impulse 提供了一个自动调参工具 “EON Tuner”。它可以自动尝试几十种不同的模型架构和参数组合，帮你找到在满足资源限制下精度最高的模型。这是优化模型的利器。

经过几轮迭代，当你得到一个在测试集上准确率满意（例如>90%），且资源消耗在 Wio Terminal 承受范围内的模型时，就可以准备部署了。

7. 从云端到边缘：模型部署与Wio Terminal推理编程

模型训练完成并通过测试后，我们就需要把它“塞进”Wio Terminal里，并编写程序让它活起来。

  1. 部署准备 ：在 Edge Impulse 项目左侧菜单，进入 “Deployment” 页面。在 “Create library” 选项卡下，选择 “Arduino library”。这将会生成一个包含了你的模型、特征提取代码（MFCC计算）和神经网络推理库的压缩包。

  2. Arduino IDE 环境配置 ：

    • 确保已安装 Arduino IDE 并添加了 Seeed Studio 的板卡支持（在“首选项”的“附加开发板管理器网址”中添加 https://files.seeedstudio.com/arduino/package_seeeduino_boards_index.json ）。
    • 在“工具”->“开发板”中选择 “Wio Terminal”。
    • 你需要安装两个库：
      • Edge Impulse 的 Arduino 推理库 ：通过“项目”->“加载库”->“添加.ZIP库”，选择你刚才下载的 .zip 文件。
      • PDM 库 ：用于驱动麦克风。在库管理器中搜索 “ Seeed Arduino PDM ” 并安装。

  3. 编写推理程序（核心代码逻辑） ： 下面是一个精简版的程序框架，展示了核心逻辑：

    #include <PDM.h> // 麦克风驱动库
#include <Wio-Terminal-Audio-Scene_inferencing.h> // 你生成的Edge Impulse库，名字可能不同

// 定义音频缓冲区
static signed short sampleBuffer[2048]; // 缓冲区，大小需满足模型输入要求
static bool isRecording = false;
static int samplesRead = 0;

// PDM数据就绪回调函数
void onPDMdata() {
    int bytesAvailable = PDM.available(); // 可读取的字节数
    PDM.read(sampleBuffer, bytesAvailable); // 读取数据到缓冲区
    samplesRead = bytesAvailable / 2; // 每个样本是16位（2字节）
    isRecording = true; // 标志位，告知主循环数据准备好了
}

void setup() {
    Serial.begin(115200);
    // 初始化LCD屏幕（省略具体初始化代码）
    // ...

    // 初始化PDM麦克风
    PDM.onReceive(onPDMdata); // 设置回调
    // 启动PDM，参数需与Edge Impulse设置匹配：单声道，16kHz
    if (!PDM.begin(1, 16000)) {
        Serial.println("Failed to start PDM!");
        while (1);
    }
}

void loop() {
    // 等待采集到足够时长的音频数据
    // 这里需要一个状态机或定时器来累计约2秒的数据
    // 简单示例：使用一个静态数组累计数据，当数据量 >= EI_CLASSIFIER_RAW_SAMPLE_COUNT 时进行处理
    // EI_CLASSIFIER_RAW_SAMPLE_COUNT 是由Edge Impulse库定义的常量（16000Hz * 2s = 32000）

    static long totalSamples = 0;
    static float audioBuffer[EI_CLASSIFIER_RAW_SAMPLE_COUNT];

    if (isRecording) {
        isRecording = false;
        // 将新采集的样本（signed short）转换为float并存入audioBuffer
        for (int i = 0; i < samplesRead && totalSamples < EI_CLASSIFIER_RAW_SAMPLE_COUNT; i++) {
            audioBuffer[totalSamples++] = (float)sampleBuffer[i] / 32768.0; // 16位有符号整数归一化到[-1, 1]
        }

        // 如果累计了足够2秒的数据
        if (totalSamples >= EI_CLASSIFIER_RAW_SAMPLE_COUNT) {
            // 创建一个信号结构体，指向我们的音频缓冲区
            signal_t signal;
            signal.total_length = EI_CLASSIFIER_RAW_SAMPLE_COUNT;
            signal.get_data = &raw_feature_get_data; // 需要实现这个函数来提供数据

            // 进行推理
            ei_impulse_result_t result = { 0 };
            EI_IMPULSE_ERROR err = run_classifier(&signal, &result, false /* debug */);

            if (err != EI_IMPULSE_OK) {
                Serial.print("ERR: Failed to run classifier (");
                Serial.print(err);
                Serial.println(")");
                return;
            }

            // 打印结果
            Serial.print("Predictions: ");
            for (size_t ix = 0; ix < EI_CLASSIFIER_LABEL_COUNT; ix++) {
                Serial.print(result.classification[ix].label);
                Serial.print(": ");
                Serial.print(result.classification[ix].value, 4);
                Serial.print(" ");
            }
            Serial.println();

            // 在LCD上显示最高概率的标签
            // ... (LCD显示代码)

            // 重置缓冲区，准备下一次采集
            totalSamples = 0;
        }
    }
    delay(10); // 短暂延迟，避免忙等
}

// 提供给Edge Impulse库的数据获取函数
static int raw_feature_get_data(size_t offset, size_t length, float *out_ptr) {
    memcpy(out_ptr, audioBuffer + offset, length * sizeof(float));
    return 0;
}

    注意 ：以上代码是高度简化的逻辑框架。实际项目中，你需要处理音频数据的精确对齐、使用环形缓冲区、管理推理间隔（例如每2秒推理一次）以及更完善的LCD显示。Edge Impulse 生成的 Arduino 库示例（ ei_ 开头的 .ino 文件）提供了更完整、稳定的参考实现， 强烈建议以其为基础进行修改 。

  4. 上传与测试 ：将代码编译并上传到 Wio Terminal。打开串口监视器（波特率115200），你应该能看到每2秒左右输出一次预测概率。对着麦克风制造不同的声音，观察输出类别和概率的变化是否与预期相符。

8. 踩坑实录与效能提升指南

在实际操作中，你几乎一定会遇到下面这些问题。这里是我趟过的坑和总结的解法。

8.1 麦克风无声或数据异常

  • 现象 ：串口没有数据，或者采集到的数据全是0或静音。
  • 排查 ：
    1. 检查硬件连接 ：确认USB线连接的是“USB”口而非“OTG”口，且连接牢固。
    2. 检查PDM初始化 ： PDM.begin() 的返回值是否为 true ？参数（通道数、采样率）是否正确？
    3. 检查缓冲区 ： onPDMdata 回调是否被触发？ samplesRead 是否大于0？可以在回调里打印 bytesAvailable 来验证。
    4. 供电问题 ：使用质量较好的USB线和电源适配器。供电不足可能导致麦克风工作不稳定。
  • 解决方案 ：确保使用 Edge Impulse CLI 安装的“数据转发固件”或你自己编写的程序正确初始化了 PDM 库。参考 Seeed Studio 官方提供的 PDM 示例代码进行比对。

8.2 模型推理结果不稳定或错误率高

  • 现象 ：在电脑上测试准确率不错，但部署到设备上后识别时对时错。
  • 排查与解决 ：
    1. 环境噪声差异 ：训练数据的环境和设备实际运行环境不同。 务必在最终部署的环境下采集一部分测试数据，上传到 Edge Impulse 的“Live classification”页面进行实时测试 ，看模型是否依然有效。如果不行，需要补充在该环境下的数据重新训练。
    2. 数据归一化不一致 ：确保在设备端进行推理前，音频数据从 int16_t 转换到 float 时，归一化方式（通常是除以32768）与 Edge Impulse 平台训练时保持一致。平台通常会自动处理，但自定义代码时需注意。
    3. 推理时机问题 ：确保你累计了 恰好 EI_CLASSIFIER_RAW_SAMPLE_COUNT 个样本（对于2秒，16000Hz，就是32000个）再进行一次推理。多了或少了几十个样本，都会导致提取的MFCC特征错位，严重影响结果。使用精确的定时器或样本计数器是关键。
    4. 模型过拟合 ：回顾混淆矩阵。如果模型在训练集上完美，在测试集和真实场景却很差，就是过拟合。需要增加训练数据的多样性和数量，或者使用数据增强、简化模型结构（减少参数）。

8.3 设备端推理速度慢或内存不足

  • 现象 ：程序运行缓慢，甚至崩溃。
  • 排查与解决 ：
    1. 查看性能估算 ：首先回顾 Edge Impulse 部署页面对模型的性能估算。如果估算的RAM占用已接近 Wio Terminal 的可用RAM（约192KB），运行时就很容易崩溃。
    2. 优化模型 ：如前所述，使用 EON Tuner 寻找更小更快的模型，或手动减少 MFCC 系数、神经网络层大小。
    3. 优化代码 ：
      • 避免动态内存分配 ：在 loop() 中不要使用 new / malloc 或 String 类，尽量使用全局或静态数组。
      • 减少串口输出 ：大量的 Serial.print 会极大拖慢程序。仅在调试时开启，正式运行时关闭或减少输出频率。
      • 管理推理频率 ：不一定需要每2秒就推理一次。根据应用场景，可以改为每5秒或仅在检测到声音能量超过阈值时才触发推理，能显著降低CPU负载。

8.4 从“识别”到“应用”的进阶思路

当基本识别稳定后，你可以考虑：

  • 多模态融合 ：结合 Wio Terminal 的光线传感器、加速度计。例如，识别到“音乐”且光线较暗时，自动调暗屏幕；识别到“警报”时，同时让板载震动马达工作。
  • 状态机设计 ：不要让每次推理都是独立事件。设计一个简单的状态机，例如，连续3次识别为“人声”才判定为“对话中”，避免偶尔的噪声误触发。
  • 结果上报 ：利用 Wio Terminal 的 WiFi 功能，将识别结果和置信度上传到云平台（如 Blynk、ThingsBoard 或自建服务器），实现远程日志记录和智能联动。

通过这个项目，你得到的不仅仅是一个能识别声音的 Wio Terminal，更是一套完整的边缘智能设备开发方法论：从问题定义、数据采集、模型训练与优化，到最终部署和调试。这套流程可以无缝迁移到其他传感器（如加速度计做动作识别）或其他边缘设备上。最重要的体会是，在资源受限的设备上做AI，平衡的艺术远大于纯粹追求精度，而高质量、有针对性的数据，永远是模型成功的基石。

Logo
AI硬件创业社区

智能硬件社区聚焦AI智能硬件技术生态，汇聚嵌入式AI、物联网硬件开发者，打造交流分享平台，同步全国赛事资讯、开展 OPC 核心人才招募，助力技术落地与开发者成长。

更多推荐

cover

飞算JavaAI 一键生成完整工程代码深度实战：自定义模块路径与工程化落地方案

avatar AI硬件创业社区
cover

【Proteus仿真】基于STM32单片机的智能门禁系统设计（仿真图+程序）

avatar AI硬件创业社区
cover

机器人接入 AI 连续语音后，端云架构要改什么？

avatar AI硬件创业社区