jomjol/AI-on-the-edge-device

边缘AI设备——用ESP32‑CAM将模拟仪表数字化

它是什么 – 一个低成本的小型软硬件套件，在ESP32‑CAM上运行TensorFlow Lite推理，读取模拟仪表（水、气、电）。设备拍摄表盘图片，提取感兴趣区域，运行微型神经网络识别数字，然后通过MQTT、InfluxDB、REST API或Home Assistant集成提供读数。

主要组件

• ESP32‑CAM（约3 × 4.5 × 2 cm，< 10 €），内置摄像头和LED照明。
• TensorFlow Lite封装，用于设备端推理。
• 图像预处理（特征检测、对齐、ROI提取）在ESP32上执行。
• Web界面，用于配置、OTA固件更新和实时预览。
• 连接性：Wi‑Fi、MQTT、InfluxDB 1/2、REST API、Home Assistant自动发现。

工作原理

1. 固件烧录到ESP32‑CAM。
2. 在可配置的间隔，摄像头拍摄仪表照片。
3. 图像裁剪到表盘区域，归一化后输入TFLite模型，输出数字读数。
4. 结果推送到选定的后端（MQTT代理、InfluxDB等）或通过内置REST端点提供。

典型用例

• 家庭自动化：自动记录水、气或电消耗。
• 改造没有数字输出的旧式仪表。
• 低功耗、离线优先监控，避免云处理。

入门指南

1. 硬件 – 任何带有支持摄像头模块的ESP32板（见硬件兼容性页面）。可选地，从提供的Thingiverse链接3D打印外壳。
2. 下载 – 从GitHub Releases页面获取最新版本。
3. 烧录 – 使用基于浏览器的Web Installer（或Espressif的Flash Tool / ESPTool）通过USB烧录固件。
4. SD卡设置 – 固件启动后，设备创建Wi‑Fi接入点；连接它，让内置脚本格式化并填充SD卡，或手动复制配置文件。
5. 配置 – 访问Web界面设置Wi‑Fi凭据、MQTT/InfluxDB端点、捕获间隔和OTA更新设置。
6. 集成 – 启用Home Assistant发现，或将MQTT客户端/InfluxDB指向设备的主题。

文档与支持

• 完整文档（安装、硬件兼容性、构建说明）托管在 https://jomjol.github.io/AI-on-the-edge-device-docs/。
• 通过GitHub Discussions页面获取社区帮助；错误和功能请求请提交到Issues。
• 一系列YouTube教程演示了构建和部署步骤。

为什么重要 它展示了实用的边缘AI：微控制器本地运行神经网络，无需持续云连接，同时保持低成本。这使得AI驱动的传感对爱好者和小型物联网部署变得可及。

---

快速链接

• 源代码：code/（C++固件）
• Web安装器：https://jomjol.github.io/AI-on-the-edge-device/
• 3D打印外壳：Thingiverse/Printables上的水表、电表、气表
• 捐赠：支持开发者的PayPal链接