Primjena strojnog učenja na mikroupravljačkim sustavima ; Application of machine learning on microcontroller systems

Ovaj rad predstavio je jedan od načina implementacije modela strojnog učenja na mikroupravljač razvojne pločice Arduino Sense 33 BLE. Model koji je implementiran napravljen je da prepoznaje ključne riječi „crvena“ i „plava“, te da prepoznaje ostale zvukove i govor koje su kategoriziranje pod „tišina“. Kada su ključne riječi prepoznate na pločici se pali crveno ili plavo LED svjetlo. Kroz ovaj rad prikazuje se proces stvaranja modela za audio raspoznavanje koji je kreiran u platformi Edge impulse. Platforma je jednostavna i kompaktna za korištenje kao što je prikazano u radu. Kroz rad predstavljena je Edge impulse platforma te su obuhvaćene njene funkcionalnosti potrebne za stvaranje modela za audio prepoznavanje. Analiziran je model i njegova efikasnost i predstavljena je razlika između modela prije stavljanja na arduino mikroupravljač i poslije kako bi se prikazala razlika modela prije nego što je konvertiran u oblik koji se može koristiti ključne riječi (hrvatski ): Arduino IDE, Edge Impulse,LED, mikroupravljač, strojno učenje ; This paper presented one of the methods of implementing a machine learning model on the Arduino Sense 33 BLE development board. The implemented model was designed to recognize the keywords "red" and "blue", as well as to categorize other sounds and speech under "silence". When these keywords are recognized, a red or blue LED light is illuminated on the board. This paper demonstrates the process of creating an audio keyword recognition model using the Edge Impulse platform, which is shown to be user-friendly. The model and its effectiveness were analyzed, and the difference between the model before deployment on the Arduino microcontroller and after is presented to illustrate the transformation of the model into a deployable format.