12
返回列表 发新帖
楼主: meiyao

[在线活动] 年中活动—学习打卡

[复制链接]
  • TA的每日心情
    开心
    昨天 19:22
  • 签到天数: 717 天

    连续签到: 6 天

    [LV.9]以坛为家II

    14

    主题

    2342

    帖子

    0

    金牌会员

    Rank: 6Rank: 6

    积分
    4490
    最后登录
    2025-7-31
     楼主| 发表于 5 天前 | 显示全部楼层
    第十三天打卡
    012a2c19-02d0-4a2e-91de-20f58f8185ce.png
    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。
    哎...今天够累的,签到来了~
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    昨天 19:22
  • 签到天数: 717 天

    连续签到: 6 天

    [LV.9]以坛为家II

    14

    主题

    2342

    帖子

    0

    金牌会员

    Rank: 6Rank: 6

    积分
    4490
    最后登录
    2025-7-31
     楼主| 发表于 4 天前 | 显示全部楼层

    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。
    1cd93d3d-6df7-4e92-9b33-3a1620a683ab.png

    哎...今天够累的,签到来了~
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    昨天 19:22
  • 签到天数: 717 天

    连续签到: 6 天

    [LV.9]以坛为家II

    14

    主题

    2342

    帖子

    0

    金牌会员

    Rank: 6Rank: 6

    积分
    4490
    最后登录
    2025-7-31
     楼主| 发表于 3 天前 | 显示全部楼层

    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。
    259eb370-45ec-45c7-9f57-e84690d81ad6.png
    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。
    586591f2-b236-47e1-be21-d35805adfac9.png
    哎...今天够累的,签到来了~
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    昨天 19:22
  • 签到天数: 717 天

    连续签到: 6 天

    [LV.9]以坛为家II

    14

    主题

    2342

    帖子

    0

    金牌会员

    Rank: 6Rank: 6

    积分
    4490
    最后登录
    2025-7-31
     楼主| 发表于 前天 18:48 | 显示全部楼层
    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。

    df18cdbb-a815-40cc-8cd5-9875bc752c1d.png
    b734a154-34be-45dc-ac53-e6d63b11e7dc.png
    哎...今天够累的,签到来了~
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    昨天 19:22
  • 签到天数: 717 天

    连续签到: 6 天

    [LV.9]以坛为家II

    14

    主题

    2342

    帖子

    0

    金牌会员

    Rank: 6Rank: 6

    积分
    4490
    最后登录
    2025-7-31
     楼主| 发表于 昨天 19:21 | 显示全部楼层

    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。
    9c3e1b5c-5b02-4d54-a99f-57b0610a84ae.png
    aa754b3a-9337-41c7-864e-494020baefcc.png

    哎...今天够累的,签到来了~
    回复 支持 反对

    使用道具 举报

    您需要登录后才可以回帖 注册/登录

    本版积分规则

    关闭

    站长推荐上一条 /3 下一条

    Archiver|手机版|小黑屋|恩智浦技术社区

    GMT+8, 2025-7-31 14:17 , Processed in 0.085766 second(s), 22 queries , MemCache On.

    Powered by Discuz! X3.4

    Copyright © 2001-2024, Tencent Cloud.

    快速回复 返回顶部 返回列表