年中活动—学习打卡

meiyao

第十三天打卡

通常学习了解，显示分辨率480x320，由LGVL.svM模型提供支持。该模型在MCU上进行训练和推理200 Hz采样率，配备三轴加速度传感器。仅使用30个数据样本进行训练。每个样本包含256个传感器行数据10kB的闪存空间和1.8KB用于机器学习算法。

meiyao

第十四天打卡
[color=rgba(0, 0, 0, 0.9)]通过学习了解了基于FRDM-MCXN947开发板，结合传感器板采集风扇运行数据，通过设备端训练实现实时异常检测。

meiyao

第十五天打卡
本方案基于 ​​FRDM-MCXN947开发板​​ 实现端到端CIFAR10图像识别系统。通过MIPI/并行接口摄像头采集图像，经预处理（后，由内置NPU加速器运行量化后的TensorFlow Lite模型，完成10类别实时分类。识别结果与原始图像通过LTDC接口驱动RGB显示屏输出，支持15FPS流畅展示。系统集成NXP eIQ工具链优化，实现60ms端到端延迟，功耗低于500mW，适用于工业质检、智能家居等边缘计算场景。开发资源详见MCUXpresso SDK的ML例程。

通过学习文件的导入，代码生成，编译和上传验证功能等一系列流程。

meiyao

第十六天打卡
通过学习，了解到了 ​​FRDM-MCXN947开发板​​ 实现端到端MNIST手写数字识别系统。通过OV7670摄像头采集28×28灰度图像，经二值化预处理后，由内置NPU加速运行8位量化LeNet-5模型，实现毫秒级推理。系统采用双缓冲机制，在320×240 LCD屏上实时显示原始图像与识别结果，0-9数字及置信度，整体延迟低于50ms，帧率达20FPS。借助NXP eIQ工具链，模型经TensorFlow Lite量化后部署，在保持98%准确率的同时，功耗控制在300mW以内。该方案充分展现边缘计算优势，适用于智能门禁、工业OCR等场景，开发资源详见MCUXpresso SDK的eIQ示例工程。

meiyao

第十七天打卡

通过学习了解了基于 FRDM - MCXN947 开发板的示例中，eIQ Neutron NPU 跑分测试成为一大亮点。此示例精心打造了交互界面，将 NPU 跑分结果直观呈现在屏幕上，为用户带来清晰直观的体验。

与传统内核对比是该示例的关键环节。通过对比，能清晰洞察 NPU 在性能上的优势。传统内核在处理复杂计算任务时，往往受限于架构和运算能力，速度和效率难以提升。而 eIQ Neutron NPU 凭借其专门为神经网络计算优化的架构，在图像识别、语音处理等任务中展现出卓越性能，跑分结果远超传统内核。

这一示例不仅是一次简单的跑分展示，更为开发者提供了重要参考。开发者可依据跑分数据，合理选择硬件资源，优化算法设计，充分发挥 NPU 的强大性能，推动人工智能应用在嵌入式领域的创新发展。

meiyao

第十八天打卡
通过视频学习到基于 ​​NXP MCX系列MCU​​MCX N94设计高性能电动自行车智能仪表，集成多功能显示与实时控制。硬件采用 ​​MCXN947​​ 作为主控，搭载128×64 OLED屏或TFT-LCD，支持蓝牙5.2、与4G通信，实现数据远程传输。通过内置NPU加速实时计算，精准显示 ​​速度、里程、电池电量、电机温度​​，并支持 ​​故障诊断​​。软件层面采用FreeRTOS任务调度，通过CAN总线与BMS/电机控制器交互，动态优化骑行模式（节能/运动/爬坡）。低功耗设计（待机<10μA）与IP67防护等级，适配严苛户外环境。开发工具链基于MCUXpresso SDK，提供完整HMI库与云平台对接接口，缩短量产周期。

开发流程指导与方法。