← Projects
Building hardware-ai 369 字 · 约 1 分钟阅读

微光译语 · MicroGlow Translate

省级大学生创新训练项目,探索三路近红外采集、1D-CNN 与 ESP32 端侧推理的无声交流原型。

周期 2026-03 → now
更新 2026-10-04
GitHub ↗
Stack
ESP32 VCNL4040 Edge Impulse 1D-CNN TinyML
目录4 节

项目与职责

微光译语已获批省级大学生创新创业训练计划项目。我担任项目负责人,负责总体方案、ESP32 嵌入式开发和端侧模型部署,推进从传感采集到推理输出的原型验证。

项目探索用近红外反射信号记录嘴部运动,再把时序信号交给轻量模型识别,为无声交流提供一种非视觉感知路径。

原型链路

三路 VCNL4040 → 时序信号采集 → 数据整理
             → Edge Impulse 训练 1D-CNN → ESP32 端侧推理

当前已完成初代原型与端侧推理验证。重点是把传感数据、训练输入和嵌入式推理串起来,在硬件资源约束下完成整条链路。

工程关注点

传感器位置、采样稳定性和不同人的动作差异会影响输入。下一步需要扩充数据、复查安装与采集流程,并评估跨用户表现、佩戴方式与功耗。

当前阶段为原型验证,尚未证明连续语句识别或真实辅助沟通效果。本页不引用历史材料中口径不一致的精度、时延和成本数据。

这段经历带来的变化

从光电专业走向 AI 工程,最直接的体会是先把输入与验证做好:模型训练只是其中一环,传感采集、数据组织和设备部署同样决定结果。

项目仓库与工程说明

内容更新:2026-10-04。