最流行的开源硬件平台
TinyML-ESP32是一个在ESP32-WROOM-32开发板上实现边缘机器学习的开源项目。通过集成陀螺仪、麦克风和LED灯组，实现了手势识别、语音唤醒和跳绳计数三大AI功能。项目利用TensorFlow Lite在设备端完成机器学习推理，无需云端计算，模型仅占用几十KB存储空间即可实现毫秒级响应。该项目整合了espressif/arduino-esp32、Adafruit_NeoPixel、TensorFlowLite_ESP32等六大核心库，为智能家居、手势控制、运动健康监测等场景提供了开箱即用的边缘AI解决方案。
Santander安全研究团队发布CurrentSense-TinyML项目，展示了利用TinyML技术进行电流侧信道攻击的可行性。该项目通过INA219电流传感器采集目标微控制器的电流数据，结合TensorFlow Lite模型分析电流特征，无需接触设备即可推断MCU的运行状态。实验成功识别了目标LED的闪烁状态，证明了这种非接触式攻击方法的可行性，为物联网设备和嵌入式系统的安全防护带来了新的挑战。
本文深入介绍了ESP32-TinyML技术，即在ESP32微控制器上运行机器学习模型。通过结合ESP32的Wi-Fi/蓝牙功能和TinyML，设备可实现本地化图像分类、声音识别、运动检测等AI功能，无需依赖云端。文章详细阐述了开发环境搭建步骤，包括硬件准备、软件配置、模型训练及部署流程，并提供了基于ESP32-CAM的图像分类实战案例。ESP32-TinyML技术为物联网设备赋予了低功耗、低成本的智能能力，具有广阔的应用前景。