在本教程中，我们将训练我们的Raspberry Pi通过机器学习(ML)来识别其他Raspberry Pi(或您选择的其他对象)。为什么这很重要?此类ML的工业应用示例是识别电路板中的缺陷。当电路板离开装配线时，可以对机器进行培训以识别有缺陷的电路板，以便人工进行故障排除。

我们在之前的文章中讨论了机器学习和人工智能，包括面部识别和面罩识别。在面部识别和面罩识别项目中，所有训练图像都存储在Pi上，并且模型训练也需要在Pi上进行，因此花费了很长时间。在本文中，我们将使用一个名为Edge Impulse的Web平台来创建和训练我们的模型，以减轻Pi的一些处理周期。Edge Impulse的另一个优势是易于上传训练图像，这可以通过智能手机(无需应用程序)来完成。

由于Balena的人们已经预先构建了对Edge Impulse的API调用，因此我们将使用BalenaCloudOS而不是标准的Raspberry Pi OS。先前的面部识别和面罩识别教程也需要乏味的命令行软件包安装和Python代码。该项目消除了所有终端命令，而是使用了直观的GUI界面。

您需要什么

Raspberry Pi 4，Raspberry Pi 400或Raspberry Pi 3

8 GB(或更大)的microSD卡

Raspberry Pi摄像头，HQ摄像头或USB网络摄像头

Raspberry Pi的电源

您的智能手机拍照

Windows，Mac或Chromebook

分类对象

笔记：

如果您使用的是Raspberry Pi 400，则您将需要一个USB网络摄像头，因为Pi 400没有带状电缆接口。

在此项目中，Raspberry Pi不需要监视器，鼠标或键盘。