성공 조건 및 가산 항목 : (**Mobile App에서는 다양한 Activity에 대한 수정이나 추가가 어려운 부분이 있기 때문에, 가령 보드를 좌우로 흔드는 데이터를 로깅하여 모델링하고 App에서는 Run으로 인식하게 하는 환경을 설정하는 것과 같이 설명과 함께 영상을 보내주시면 평가에 가산점이 부여됩니다.)

Quest5: 새로 생성한 학습된 Model을 STM32Cube.AI를 사용하여 프로젝트에 적용하기

이전 quest4에서 제작한 CSV 데이터 로그를 이용하여 새로운 모델을 만들었습니다. 이 과정중 python 버전이 3.7에서 3.6으로 변경 되었으며 keras의 경우 2.4.3 버전으로 변경된 상태로 학습이 진행되었습니다.(그래서 그런지... 3.7에서는 예제 코드 실행에 좀 오류가 발생 했던것 같습니다... 물론 수정 했지만...)

python3.6를 기준으로 정상적으로 수집된 데이터들이 다음과 같이 Log_data에 적용 하여 학습 진행 했습니다.

학습결과를 확인 해보게 되면
 

걷기와 조깅 스탠딩이 80% 이상으로 준수 했지만 계단을 오르내리는 부분에서는 조금 낮은 정확성인 68%대을 보여주는 것을 확인 할 수 있었습니다.

본 학습을 데이터를 기반으로 생성된

가중치 데이터 파일을 STM32CUBEMX에 새 프로젝트를 통해서 정상적으로 가중치 파일이 인식되었다면 다음과 같이 그래프 확인이 가능하고 코드 생성이 진행 됩니다.

생성된 프로젝트 파일들중 일부 파일들을 quest3에서 사용된 보드 파일에 덮어 씌웁니다.

해당 과정을 정상적으로 이행하였다면 다음과 같이 정상적으로 컴파일이 진행 됩니다.

이제 동작 확인을 통해서 다음과 같은 결과 영상을 확인 하였습니다.