ESP32-S3 TinyML: การสร้างระบบ AI บน Edge ด้วย ESP32-S3

// ใน Arduino IDE ไปที่:
// File → Preferences → Additional Boards Manager URLs
// เพิ่ม: https://raw.githubusercontent.com/espressif/arduino-esp32/gh-pages/package_esp32_index.json

// แล้วไปที่:
// Tools → Board → Boards Manager → ค้นหา "ESP32" → ติดตั้ง

// ใน Arduino IDE ไปที่:
// Sketch → Include Library → Manage Libraries
// ค้นหา "TensorFlow Lite" → ติดตั้งเวอร์ชันล่าสุด

// หรือดาวน์โหลดจาก:
// https://github.com/tensorflow/tflite-micro-arduino-examples

#include <TensorFlowLite.h>
#include <tensorflow/lite/micro/all_ops_resolver.h>
#include <tensorflow/lite/micro/micro_error_reporter.h>
#include <tensorflow/lite/micro/micro_interpreter.h>
#include <tensorflow/lite/schema/schema_generated.h>
#include <tensorflow/lite/version.h>

// รวม model file (generated จาก TensorFlow)
#include "model_model.h"  // ไฟล์ .h ที่ถูก convert จาก .tflite

// ตั้งค่า tensors
const int kTensorArenaSize = 2000;
uint8_t tensor_arena[kTensorArenaSize];

// สร้าง objects
tflite::ErrorReporter* error_reporter = nullptr;
const tflite::Model* model = nullptr;
tflite::MicroInterpreter* interpreter = nullptr;

void setup() {
  Serial.begin(115200);
  
  // สร้าง Error Reporter
  static tflite::MicroErrorReporter micro_error_reporter;
  error_reporter = µ_error_reporter;
  
  // โหลด Model
  model = tflite::GetModel(g_model);
  if (model->version() != TFLITE_SCHEMA_VERSION) {
    error_reporter->Report("Model version mismatch!");
    return;
  }
  
  // สร้าง Interpreter
  static tflite::AllOpsResolver resolver;
  static tflite::MicroInterpreter static_interpreter(
    model, resolver, tensor_arena, kTensorArenaSize, error_reporter
  );
  interpreter = &static_interpreter;
  
  // จอง memory สำหรับ tensors
  TfLiteStatus allocate_status = interpreter->AllocateTensors();
  if (allocate_status != kTfLiteOk) {
    error_reporter->Report("AllocateTensors() failed");
    return;
  }
  
  Serial.println("Model initialized successfully!");
}

void loop() {
  // อ่านค่า input (จาก sensor หรือข้อมูลจำลอง)
  float input_value = 5.0;  // ตัวอย่าง: x = 5.0
  
  // ใส่ค่า input เข้าไปใน input tensor
  TfLiteTensor* input = interpreter->input(0);
  input->data.f[0] = input_value;
  
  // รัน inference
  TfLiteStatus invoke_status = interpreter->Invoke();
  if (invoke_status != kTfLiteOk) {
    error_reporter->Report("Invoke failed");
    return;
  }
  
  // อ่านผลลัพธ์จาก output tensor
  TfLiteTensor* output = interpreter->output(0);
  float predicted_value = output->data.f[0];
  
  Serial.print("Input: ");
  Serial.print(input_value);
  Serial.print(" | Predicted: ");
  Serial.println(predicted_value);
  
  delay(1000);
}

#include <Wire.h>
#include <Adafruit_MPU6050.h>

Adafruit_MPU6050 mpu;

void setup() {
  Serial.begin(115200);
  Wire.begin();
  
  if (!mpu.begin()) {
    Serial.println("Failed to find MPU6050 chip");
    while (1) {
      delay(10);
    }
  }
  
  mpu.setAccelerometerRange(MPU6050_RANGE_8_G);
  mpu.setGyroRange(MPU6050_RANGE_500_DEG);
  mpu.setFilterBandwidth(MPU6050_BAND_21_HZ);
  
  Serial.println("MPU6050 Found!");
}

void loop() {
  sensors_event_t a, g, temp;
  mpu.getEvent(&a, &g, &temp);
  
  // ส่งข้อมูลเป็น CSV format
  Serial.print(a.acceleration.x); Serial.print(",");
  Serial.print(a.acceleration.y); Serial.print(",");
  Serial.print(a.acceleration.z); Serial.print(",");
  Serial.print(g.gyro.x); Serial.print(",");
  Serial.print(g.gyro.y); Serial.print(",");
  Serial.println(g.gyro.z);
  
  delay(10);  // 100 Hz sampling rate
}

// โครงสร้างแนวคิด (Conceptual Code)
// ในการใช้งานจริง ต้อง train Autoencoder model ก่อน

float detect_anomaly(float sensor_data[]) {
  // ใส่ข้อมูลเข้า input tensor
  for (int i = 0; i < INPUT_SIZE; i++) {
    input->data.f[i] = sensor_data[i];
  }
  
  // รัน model
  interpreter->Invoke();
  
  // คำนวณ reconstruction error
  float reconstruction_error = 0.0;
  TfLiteTensor* output = interpreter->output(0);
  
  for (int i = 0; i < INPUT_SIZE; i++) {
    float error = sensor_data[i] - output->data.f[i];
    reconstruction_error += error * error;
  }
  
  reconstruction_error = sqrt(reconstruction_error / INPUT_SIZE);
  
  // ตรวจสอบว่าเป็น anomaly หรือไม่
  if (reconstruction_error > ANOMALY_THRESHOLD) {
    Serial.println("⚠️ ANOMALY DETECTED!");
    return reconstruction_error;
  }
  
  return 0.0;
}