Google Teachable Machine最近推出了新的神經網路匯出方案，需要使用Arduino Nano 33 BLE Sense 搭配 OV7670相機模組，就可以讓Arduino透過匯出的TensorFlow Lite檔案來做到邊緣裝置端的「即時」影像分類。
說是即時，但都在Arduino上執行了，當然不可能快到哪裡去，圖片也是黑白的，這都是針對Arduino的運算能力來考量，且Arduino Nano 33 BLE Sense與OV7670相機模組這兩個買起來也快接近Raspberry Pi 3了。
另外，ESP32-CAM搭配TensorFlow Lite很早就能做到深度學習視覺分類應用，但用Teachable Machine可以自行訓練所要目標，也是不錯的選擇。老話一句，看您的專案需求來決定使用哪些軟硬體喔！
本文會帶您完成相關的軟硬體環境設定，並操作Teachable Machine透過相機模組來搜集照片、訓練神經網路，最後匯出檔案給 Arduino執行即時影像（灰階）分類！別說這麼多了，先看影片！
https://www.facebook.com/watch/?v=923055734939901
手邊有設備的朋友歡迎跟著這一篇文章做做看，也歡迎與我們分享成果喔。教學中會用到Processing來呈現辨識結果，也歡迎從阿吉老師的Processing小教室來學習Processing的應用喔～
以下操作步驟根據Teachable Machine 網站說明
硬體
Arduino Nano 33 BLE Sense / Nano 33 BLE
目前指定只能用這片板子，其他板子編譯會有問題，看看之後有沒有機會在別的板子上執行囉，詳細規格請參考原廠網站。
（圖片來源： Arduino 網站）
以下是實物照片，板子都愈來愈小呢（視力挑戰）
只需不到短短一分鐘...
輸入您的信箱與ID註冊即可享有一切福利!
會員福利
免費電子報
會員搶先看
主題訂閱
好文收藏
