reTerminal 机器学习实战：Edge Impulse 与 ARM NN 演示指南

8GB 内存、32GB eMMC 的树莓派 CM4 开发板，配 5 英寸触摸屏与丰富接口。

项目背景

早期文章探讨了 Wio Terminal 上的 TinyML，那是块带坚固 LCD 的 Cortex-M4F 板。Seeed Studio 现推出 reTerminal — 基于树莓派 4 计算模块、集成显示屏的开发板。

我拆箱 reTerminal、录制简短演示视频，撰写本文带您走完环境搭建与机器学习演示。

规格参数

reTerminal 搭载树莓派 Compute Module 4，四核 Cortex-A72 CPU 主频 1.5GHz、4GB 内存、32GB eMMC 存储。这些规格带来极速启动与流畅体验。其 5 英寸 IPS 电容触摸屏分辨率 1280×720，内置外设含加速度计、实时时钟、蜂鸣器、四个触觉按钮、四个状态 LED 与光线传感器。连接选项包括双频 2.4/5GHz Wi-Fi、蓝牙 5.0 BLE 与千兆以太网口。

供电需求同树莓派 4：标准 5V/2A 适配器足矣，但厂商建议 5V/4A 以获最大稳定性，尤其外挂外设时。演示中 5V/2A 可靠工作，仍建议谨慎选用 5V/4A 电源。

板卡预装 32 位 Raspbian OS 含全驱动。机器学习负载下，Seeed Studio 提供的 64 位 Raspbian 镜像性能提升显著。

触屏屏幕键盘在需文本输入时自动弹出，可在设置中禁用。Raspbian 非移动端优化 OS，但大 UI 元素下操作尚可。追求更触控友好体验可尝试 Ubuntu Touch 等实验性系统。

启动示例 QT 应用展示板卡显示传感器数据与控制界面的能力。适配触控目标尺寸下，5 英寸屏反应灵敏。

Edge Impulse 目标检测

Edge Impulse 新增 Linux 部署支持，让您在 reTerminal 上直接训练运行模型。连接摄像头采集图像，云端训练模型，本地用 edge-impulse-linux-runner 部署。

安装直观：

curl -sL https://deb.nodesource.com/setup_12.x | sudo bash -
sudo apt install -y gcc g++ make build-essential nodejs sox gstreamer1.0-tools gstreamer1.0-plugins-good gstreamer1.0-plugins-base gstreamer1.0-plugins-base-apps
npm config set user root && sudo npm install edge-impulse-linux -g --unsafe-perm

安装 Edge Impulse CLI 后连接摄像头 — 如 USB 网络摄像头。若偏好树莓派摄像头模组，通过 raspi-config 启用。

采集数据前，确保项目 Dashboard > Project info > Labeling method 设为 Bounding boxes (object detection)。每类至少采集 100 张图。可上传原图，但标注须在 Data Acquisition 标签手动完成。

采集标注完毕后，选择 Image 处理块与 Object Detection (Images) 学习块创建 Impulse。因数据集规模有限无法从头训练大网络，我们微调预训练 MobileNetV2-SSD 主干。Epoch、学习率、置信度阈值默认值通常足用；检测管线未在 Expert 模式暴露，故这些参数固定。

训练在 CPU 跑，耗时视数据集而定。期间建议备杯饮料。

训练完成后，启动 edge-impulse-linux-runner 下载模型并开始实时推理：

edge-impulse-linux-runner

Runner 自动准备模型并将结果流式传输至浏览器。终端将显示类似：

Want to see a feed of the camera and live classification in your browser? Go to https://192.168.1.19:4912

点击链接查看实时摄像头画面与推理输出。MobileNetV2-SSD 主干约 2 FPS (~400ms/帧)。因非每帧推理，目标消失后边界框可能短暂残留。

Edge Impulse Linux 支持仍在演进，未来将持续提升性能与优化数据上传流程。

ARM NN 加速推理

树莓派 4 无专用 ML 加速器，但可通过以下方式超越实时推理速率：

• 选择轻量推理模式。
• 利用四核 CPU 与 ARM NEON SIMD 扩展并行处理。

针对 NEON 优化的 ARM NN 运行时将模型编译为高效内核，进一步提升性能。

来源：reTerminal Machine Learning Demos (Edge Impulse and Arm NN)