本书面向初学者，首先介绍AIoT的相关概念，接下来介绍AIoT中的关键技术和平台，以及AIoT应用开发的过程和关键点，最后通过典型案例来系统使用前面介绍的开发方法和技术，讲授AIoT应用的完整开发过程。

本书适合高校物联网及相关专业作为实践教材、创新项目辅助教材使用，也可供对AIoT应用开发感兴趣的技术人员参考阅读。

目录

序

前言

第1章　人工智能物联网——AIoT　　1

1.1　概论　　1

1.1.1　AIoT概述　　1

1.1.2　AIoT的发展与应用　　3

1.2　框架　　5

1.2.1　云边协同下的AIoT架构　　5

1.2.2　华为LiteOS架构　　9

参考文献　　10

第2章　AIoT架构中的LiteOS部署与构建　　12

2.1　LiteOS编译框架和开发工具　　12

2.1.1　LiteOS编译框架　　12

2.1.2　LiteOS开发工具　　13

2.1.3　Linux下的编译　　13

2.1.4　Windows下的编译　　15

2.2　LiteOS快速入门　　15

2.2.1　在Linux环境下基于STM32开发板的LiteOS开发　　15

2.2.2　在Windows环境下基于STM32开发板的LiteOS开发　　16

2.2.3　在Linux环境下基于QEMU模拟器运行realview-pbx-a9　　19

2.2.4　在Windows环境下基于QEMU模拟器运行realview-pbx-a9　　22

2.3　LiteOS移植指南　　26

2.3.1　环境准备　　26

2.3.2　创建裸机工程　　27

2.3.3　移植适配　　35

2.3.4　任务创建示例　　39

第3章　LiteOS开发指南　　42

3.1　概述　　42

3.1.1　各模块简介　　43

3.1.2　内核启动流程　　45

3.1.3　使用约束　　45

3.2　任务　　46

3.2.1　概述　　46

3.2.2　开发指导　　48

3.2.3　注意事项　　53

3.2.4　编程实例　　54

3.2.5　编程实例（SMP）　　57

3.3　内存　　60

3.3.1　概述　　60

3.3.2　动态内存　　63

3.3.3　静态内存　　67

3.4　中断　　70

3.4.1　概述　　70

3.4.2　开发指导　　72

3.4.3　注意事项　　75

3.4.4　编程实例　　75

3.5　异常接管　　76

3.5.1　概述　　76

3.5.2　使用指南　　78

3.5.3　注意事项　　78

3.5.4　问题定位实例　　78

3.6　错误处理　　80

3.6.1　概述　　80

3.6.2　开发指导　　81

3.6.3　注意事项　　82

3.6.4　编程实例　　82

3.7　队列　　83

3.7.1　概述　　83

3.7.2　开发指导　　85

3.7.3　注意事项　　87

3.7.4　编程实例　　87

3.8　事件　　89

3.8.1　概述　　89

3.8.2　开发指导　　92

3.8.3　注意事项　　93

3.8.4　编程实例　　93

3.9　信号量　　96

3.9.1　概述　　96

3.9.2　开发指导　　97

3.9.3　编程实例　　99

3.10　互斥锁　　102

3.10.1　概述　　102

3.10.2　开发指导　　103

3.10.3　注意事项　　105

3.10.4　编程实例　　105

第4章　面向小熊派的AIoT售货机设计　　109

4.1　开发环境配置　　109

4.1.1　实验设备　　109

4.1.2　账号注册　　110

4.1.3　环境配置　　112

4.2　自动售货机商品显示　　115

4.2.1　使用VS Code导入裸机工程　　115

4.2.2　工程配置　　116

4.2.3　在平台上创建产品　　119

4.2.4　导入模型文件　　120

4.2.5　注册设备　　121

4.2.6　在代码中修改设备信息　　122

4.2.7　配置Wi-Fi用户名、密码　　123

4.2.8　添加LCD屏幕显示　　123

4.2.9　添加显示商品代码　　125

4.2.10　编译程序与烧录　　126

4.3　商品选择　　127

4.4　上报数据　　129

4.4.1　添加上报数据所需的变量代码　　129

4.4.2　添加购物车工程代码　　132

4.4.3　添加购物车清空功能代码　　134

4.5　下发命令　　135

4.5.1　任务配置步骤　　135

4.5.2　使用API Explorer调用平台接口　　137

第5章　面向ModelArts的AIoT智能模型运用　　139

5.1　ModelArts基础介绍　　139

5.1.1　ModelArts概述　　139

5.1.2　数据管理　　143

5.1.3　模型训练　　144

5.1.4　模型部署　　146

5.1.5　自动学习　　147

5.2　数据处理　　147

5.2.1　数据准备　　147

5.2.2　数据创建　　149

5.2.3　数据接入　　152

5.2.4　数据分析　　153

5.2.5　数据导出　　155

5.3　模型开发　　157

5.3.1　模型开发简介　　157

5.3.2　准备算法　　157

5.3.3　模型训练　　162

5.4　基于ModelArts的手写数字识别案例　　166

5.4.1　平台的准备工作　　167

5.4.2　数据准备　　168

5.4.3　模型准备　　168

5.4.4　上传文件　　169

5.4.5　模型训练　　172

5.4.6　模型推理部署　　174

5.4.7　预测结果　　176

5.4.8　清除资源　　177