STM32CubeAI 模型调试与可视化工具 · 课程目录

01课程导论与工具概览

STM32CubeAI是什么？它能解决什么问题？课程目标与学习路径。

02开发环境搭建

安装STM32CubeMX、STM32CubeIDE、X-CUBE-AI扩展包。版本兼容性检查。

03模型准备与格式转换

支持的主流框架（Keras, TensorFlow Lite, ONNX）。模型导出为.h5或.tflite。

04STM32CubeMX项目创建

选择MCU型号（如STM32F4, STM32H7）。配置时钟、外设（UART, USB）。

05集成X-CUBE-AI

在CubeMX中激活AI扩展。添加神经网络处理单元（NPU）支持。

06模型导入与分析

将.h5模型导入CubeMX。自动分析模型结构、参数量、内存占用。

07模型优化与量化

了解量化原理（int8 vs float32）。在CubeMX中配置量化参数。

08验证与仿真

使用CubeMX内置验证工具。对比PC端与MCU端推理结果差异。

自动生成C代码。理解生成的API结构（ai_model, ai_data, ai_network）。

10STM32CubeIDE项目导入

将CubeMX生成的代码导入IDE。配置编译选项与优化等级。

11运行时调试

使用串口打印推理结果。添加断点调试模型输出层。

12性能分析工具

使用CubeMX的Profiler功能。分析每层推理时间与内存带宽。

13可视化工具介绍

STM32CubeMonitor-RF与AI插件。实时查看模型输出与传感器数据。

14CubeMonitor配置

建立UART连接。配置数据可视化面板（波形图、仪表盘）。

15实时数据流调试

将MCU推理结果通过UART发送至PC。在CubeMonitor中绘制实时曲线。

16模型输入输出可视化

显示摄像头/麦克风输入数据。对比原始信号与模型输出。

17多模型切换调试

在单个项目中部署多个模型。通过串口命令切换模型并观察输出。

18内存使用分析

查看RAM/Flash占用。优化内存布局（DMA, 双缓冲）。

结合STM32CubeMonitor-Power。测量不同模型推理时的功耗曲线。

20常见错误与解决

模型导入失败（版本不匹配）。推理结果异常（输入预处理错误）。

21高级调试技巧

使用ITM/SWO输出调试信息。结合逻辑分析仪查看时序。

22自定义验证脚本

编写Python脚本批量测试模型。对比MCU与PC端输出误差。

23模型部署优化

使用CMSIS-NN加速。调整线程优先级与中断。

24案例实战1：手势识别

使用加速度计数据训练模型。在MCU上部署并可视化。

25案例实战2：关键词唤醒

使用麦克风采集音频。实时显示唤醒词检测结果。

26案例实战3：异常检测

使用传感器数据训练自编码器。可视化重建误差。

27案例实战4：图像分类

使用摄像头采集图像。在LCD上显示分类结果与置信度。

28版本迁移与兼容性

从X-CUBE-AI 7.x迁移到8.x。处理API变更。

29生产环境部署

从调试模式切换到发布模式。固件签名与安全启动。

30课程总结与进阶路径

回顾核心知识点。推荐学习资源（官方文档、社区论坛）。

STM32CubeAI · 调试可视化 · 友好