✅ Was ist gut gelaufen?
🔧 Hardware Übernahme
Die neu entworfenen V1.1 Platinen des wurde gut dokumentiert und funktionierten nach kleineren Bugfixes relativ zuverlässig.
- Schaltpläne in KiCad verfügbar
- Pinouts klar definiert
📡 ESP-NOW Protokoll
Das "EspSafe" Protokoll funktionierte von Anfang an stabil.
- Einfache API von Espressif
- Niedrige Latenz (<10ms)
- Keine WiFi-Infrastruktur nötig
🤖 ML Pipeline
TensorFlow Lite für Mikrocontroller war überraschend einfach zu integrieren.
- Gute Dokumentation
- Python → TFLite → C++ Header
- 56KB RAM für CNN ausreichend
⚠️ Was ist weniger gut gelaufen?
🖥️ Display SPI Performance
Die derzeitige Aktualisierungs-Geschwindigkeit des Displays ist langsam. UI-Updates sind sichtbar träge.
- Workaround für die Zukunft: Partielle Updates
📊 Stationäre Platine
Die stationäre Messplatine blieb auf Stub-Level. Fokus lag auf Mobile + Display.
- ADS1261 Treiber vorhanden
- Keine aktive Messung
- Zeitliche Priorisierung
📈 Trainingsdaten
Datensatz war auf wenige Probanden beschränkt. Modell generalisiert nicht perfekt auf neue User.
- Augmentation hilft nur bedingt
- User-Kalibrierung wäre besser
💡 Lessons Learned
Was würden wir anders machen?
-
Früher Hardware-SPI validieren
Vor dem Software-Design die Hardware-Constraints klären. SPI-Bus-Sharing zwischen mehreren Sensoren ist komplexer als erwartet. -
Regelmäßige Integration
Häufiger End-to-End testen, nicht nur Einzelkomponenten. Integration Bugs tauchten spät auf.
🔮 Ausblick & Weiterentwicklung
Stationäre Platine
ADS1261 + MUX für hochpräzise Messungen nutzen
Zweiter Use-Case
Implementierung einer Zweiten Anwendung -> Sportartenerkennung mithilfe von IMU und ADC
Pin Defines zusammenfassen
Zentralisierung aller Hardware-Mappings in einer Header-Datei, um Pin-Konflikte zwischen verschiedenen HATs präventiv zu vermeiden.
Fazit
Das FlexAI-Projekt hat gezeigt, dass Edge AI (Ausführung von KI-Algorithmen direkt auf Endgeräten / Mikrocontrollern) praktikabel ist. Mit ESP32, TensorFlow Lite und gut strukturierter Firmware lassen sich komplexe Anwendungen wie Gestenerkennung realisieren – ohne Cloud, ohne Latenz.