هوش مصنوعی روی ESP32 یعنی چه؟

وقتی درباره AI روی ESP32 صحبت می‌کنیم، معمولاً منظور اجرای یک مدل یادگیری ماشین کوچک روی خود میکروکنترلر است. این حوزه اغلب با نام‌های Edge AI یا TinyML شناخته می‌شود.

مثلاً یک میکروفون به ESP32 متصل است. به‌جای اینکه صدا برای یک سرور اینترنتی فرستاده شود، داده صوتی داخل خود برد پردازش می‌شود و مدل تشخیص می‌دهد کاربر گفته است: «روشن» یا «خاموش». بعد ESP32 همان لحظه رله یا LED را کنترل می‌کند.

AI بدون اینترنت دقیقاً چطور امکان‌پذیر است؟

برای اجرای آفلاین، مدل از قبل داخل Flash یا حافظه دستگاه قرار می‌گیرد. ESP32 ورودی را از میکروفون، دوربین یا سنسور دریافت می‌کند، داده را به فرم موردنیاز مدل تبدیل و سپس عملیات Inference را اجرا می‌کند.

بعد از اینکه Firmware و مدل روی برد قرار گرفتند، برای خود فرآیند تصمیم‌گیری لزوماً اینترنتی نیاز نیست. البته پروژه می‌تواند در کنار AI آفلاین، در صورت نیاز از Wi-Fi برای ارسال نتیجه یا به‌روزرسانی استفاده کند.

تفاوت Training و Inference؛ مهم‌ترین نکته مقاله

کدام ESP32 برای هوش مصنوعی بهتر است؟

تقریباً می‌توان مدل‌های بسیار کوچک را روی چند عضو خانواده ESP32 اجرا کرد، اما برای شروع پروژه‌های جدی‌تر AI، ESP32-S3 انتخاب جذاب‌تری است.

در پیاده‌سازی رسمی TensorFlow Lite Micro شرکت Espressif، مثال Person Detection با بهینه‌سازی ESP-NN روی ESP32-S3 بسیار سریع‌تر از ESP32 کلاسیک اجرا شده است. این مثال نشان می‌دهد انتخاب چیپ و استفاده از Kernelهای بهینه برای AI اهمیت زیادی دارد.

PSRAM چرا مهم است؟

مدل، Tensorها، Frame دوربین و Bufferهای صوتی همگی حافظه مصرف می‌کنند. به همین دلیل برای پروژه‌های تصویری یا مدل‌های بزرگ‌تر، برد ESP32-S3 دارای PSRAM معمولاً انتخاب بسیار راحت‌تری است.

چه ابزارهایی برای اجرای AI روی ESP32 داریم؟

ESP-DL چیست؟

ESP-DL فریم‌ورک رسمی Espressif برای Inference شبکه‌های عصبی روی چیپ‌های ESP است. ابزارهای جدید آن امکان Quantize کردن مدل‌های ساخته‌شده در اکوسیستم‌هایی مانند ONNX، PyTorch و TensorFlow و تبدیل آن‌ها به فرمت بهینه ESP-DL را فراهم می‌کنند.

TensorFlow Lite Micro چیست؟

TensorFlow Lite Micro برای میکروکنترلرهایی ساخته شده که سیستم‌عامل کامل، RAM زیاد یا GPU ندارند. Espressif یک Component رسمی برای ESP-IDF و مثال‌هایی مانند Hello World، Micro Speech و Person Detection ارائه می‌کند.

ESP-SR چیست؟

ESP-SR مجموعه الگوریتم‌های صوتی Espressif است. این مجموعه شامل بخش‌هایی مانند Audio Front End، WakeNet و MultiNet است و می‌تواند برای ساخت رابط صوتی آفلاین استفاده شود.

چه نوع هوش مصنوعی را واقعاً می‌توان روی ESP32 اجرا کرد؟

چرا AI آفلاین جذاب است؟

مسیر واقعی ساخت یک پروژه AI با ESP32

1. مسئله را تعریف کنید. مثلاً تشخیص صدای روشن/خاموش یا خرابی موتور.
2. داده جمع کنید. داده واقعی و متنوع مهم‌تر از پیچیده کردن مدل است.
3. مدل کوچک آموزش دهید. Training معمولاً روی PC انجام می‌شود.
4. مدل را Quantize کنید. مثلاً تبدیل Weightها و Activationها به INT8.
5. مدل را روی ESP32 Deploy کنید. با ESP-DL یا TFLite Micro.
6. Inference را Benchmark کنید. RAM، سرعت و دقت را بررسی کنید.
7. سیستم واقعی بسازید. خروجی AI باید به منطق کنترل پروژه وصل شود.

Quantization؛ راز کوچک کردن مدل برای میکروکنترلر

مدل‌های معمول Machine Learning ممکن است از اعداد Floating Point با دقت بالا استفاده کنند. یکی از روش‌های مهم برای Embedded AI، تبدیل مدل به نمایش عددی سبک‌تر مانند INT8 است.

Quantization باید با دقت انجام شود، چون کوچک‌تر شدن مدل ممکن است روی Accuracy اثر بگذارد. هدف این است که بهترین تعادل بین اندازه، سرعت و دقت پیدا شود.

پروژه پیشنهادی: کنترل صوتی کاملاً آفلاین با ESP32-S3

ایده پروژه این است که ESP32-S3 منتظر یک Wake Word بماند و بعد یکی از فرمان‌های تعریف‌شده را تشخیص دهد. نتیجه تشخیص می‌تواند LED، رله یا هر قسمت دیگری از پروژه را کنترل کند.

در مستندات رسمی ESP-SR، MultiNet به‌عنوان مدل سبک تشخیص فرمان صوتی آفلاین معرفی شده است. نسخه فعلی مستندات برای ESP32-S3 فرمان‌های انگلیسی و چینی را پوشش می‌دهد؛ بنابراین برای زبان فارسی نباید بدون مدل و زنجیره آموزشی جداگانه انتظار پشتیبانی آماده داشته باشیم.

روش ساده شروع با مثال رسمی

برای شروع حرفه‌ای‌تر پیشنهاد می‌کنم از ESP-IDF و مثال رسمی ESP-Skainet استفاده کنید. مثال رسمی تشخیص فرمان انگلیسی در مسیر examples/en_speech_commands_recognition قرار دارد.

git clone --recursive https://github.com/espressif/esp-skainet.git
cd esp-skainet/examples/en_speech_commands_recognition

idf.py set-target esp32s3
idf.py menuconfig
idf.py build
idf.py flash monitor

داخل پروژه چه اتفاقی می‌افتد؟

اگر بخواهیم TensorFlow Lite Micro را امتحان کنیم چه؟

Espressif برای ESP-IDF یک Component رسمی TensorFlow Lite Micro دارد. می‌توان Component را به پروژه اضافه کرد یا یک Example رسمی ایجاد کرد.

idf.py add-dependency "esp-tflite-micro"

idf.py create-project-from-example "esp-tflite-micro:hello_world"

# سپس در پوشه پروژه:
idf.py set-target esp32s3
idf.py build
idf.py flash monitor

بعد از Hello World می‌توان سراغ مثال‌هایی مثل micro_speech یا person_detection رفت. در پروژه واقعی، مدل خودتان جای مدل Example قرار می‌گیرد.

هوش مصنوعی تصویری روی ESP32

اگر دوربین به ESP32-S3 متصل کنیم، می‌توان پروژه‌هایی مثل تشخیص حضور انسان، تشخیص چهره، Classification ساده یا Object Detection سبک ساخت.

ESP-DL اکنون Model Zoo و مدل‌های بهینه‌شده‌ای برای خانواده ESP دارد؛ اما این موضوع نباید با اجرای مدل‌های Desktop در همان رزولوشن و سرعت اشتباه گرفته شود. در MCU معمولاً ورودی کوچک‌تر، مدل سبک‌تر و Quantization بخش مهم طراحی هستند.

AI سنسوری؛ جایی که ESP32 واقعاً می‌درخشد

همیشه AI به معنی دوربین نیست. یکی از بهترین کاربردهای TinyML روی ESP32، تحلیل داده‌هایی است که حجم بسیار کمی دارند.

ESP32 چه محدودیت‌هایی برای AI دارد؟

چطور مدل AI را برای ESP32 بهتر کنیم؟

آیا AI روی ESP32 واقعاً کاربرد صنعتی دارد؟

بله، مخصوصاً زمانی که مسئله کوچک و مشخص باشد. یک دستگاه صنعتی ممکن است فقط لازم داشته باشد بفهمد «لرزش موتور عادی است یا غیرعادی». در چنین سناریویی لازم نیست یک LLM بزرگ داشته باشیم.

یک مدل TinyML مناسب می‌تواند نزدیک به سنسور کار کند و فقط وقتی اتفاق غیرعادی رخ داد، پیام ارسال کند. این طراحی هم ترافیک شبکه را کم می‌کند و هم امکان عملکرد مستقل را افزایش می‌دهد.

سه تصور اشتباه درباره AI روی ESP32

برای شروع چه سخت‌افزاری پیشنهاد می‌کنیم؟

سؤالات متداول

جمع‌بندی؛ هوش مصنوعی کوچک، کاربرد واقعی

مهم‌ترین نکته این مقاله این است که برای ساخت یک محصول «هوشمند» همیشه به مدل عظیم نیاز نداریم. اگر مسئله دقیق تعریف شود، یک مدل بسیار کوچک می‌تواند کاری را که لازم داریم سریع، محلی و بدون اینترنت انجام دهد.

ESP32-S3 پلی جذاب بین دنیای میکروکنترلرها و Machine Learning است. از فرمان صوتی و تشخیص تصویر گرفته تا تحلیل لرزش موتور و Gesture Recognition، TinyML می‌تواند پروژه‌ای که قبلاً فقط «برنامه‌ریزی‌شده» بود را به سیستمی تبدیل کند که از داده الگو تشخیص می‌دهد.