如何在Python中将传感器原始特征转为Edge Impulse模型训练用处理特征？

你可以通过以下步骤在Python中自动完成原始传感器数据到模型所需特征的转换：

1. 从Edge Impulse导出预处理管道 #

在Edge Impulse Studio中，进入项目的Processing blocks页面，点击右上角的Export按钮，选择Python library格式下载。解压后会得到包含预处理逻辑的代码文件，其中ei_runner.py和parameters.json等参数文件会完整复现Studio中的特征提取流程。

2. 使用预处理代码转换原始数据 #

将解压后的文件放到你的Python项目目录中，用以下代码处理原始振动数据：

import numpy as np
from ei_runner import EdgeImpulseRunner

# 初始化runner，加载预处理参数
runner = EdgeImpulseRunner('parameters.json')
runner.init()

# 替换为你的真实原始振动数据（格式需与训练采集时一致，比如单轴数据为一维数组，三轴为[samples, 3]的二维数组）
raw_vibration_data = np.random.randn(100)  # 示例：100个采样点的单轴振动数据

# 运行预处理，生成模型所需特征
features, _ = runner.get_features(raw_vibration_data)
runner.stop()

3. 整合到现有推理流程 #

将自动生成的features替换原手动填充的数组，完整推理代码如下：

import tensorflow as tf
import numpy as np
from ei_runner import EdgeImpulseRunner

# 加载预处理管道
runner = EdgeImpulseRunner('parameters.json')
runner.init()

# 加载TFLite模型
interpreter = tf.lite.Interpreter(model_path="/content/ei-testing-nn-classifier-tensorflow-lite-float32-model.lite")
input_details = interpreter.get_input_details()
output_details = interpreter.get_output_details()
interpreter.allocate_tensors()

# 处理原始数据得到特征
raw_vibration_data = np.random.randn(100)  # 替换为真实传感器数据
features, _ = runner.get_features(raw_vibration_data)
runner.stop()

# 适配模型输入格式
np_features = np.array(features).astype(input_details[0]['dtype'])
np_features = np.expand_dims(np_features, axis=0)

# 执行推理
interpreter.set_tensor(input_details[0]['index'], np_features)
interpreter.invoke()
output_data = interpreter.get_tensor(output_details[0]['index'])
print(output_data)

关键注意事项 #

• 原始数据的采样率、轴数必须与Edge Impulse训练时的采集参数完全一致，否则生成的特征会与模型预期不匹配。
• 若为多轴振动数据，需将数据整理成[采样点数, 轴数]的二维数组传入get_features方法。

内容的提问来源于stack exchange，提问作者Valeed