Telling stories with pictures
EdgeAI 微控制應用期末專題實作報告
一、EdgeAI MCU 系統架構
本系統由 AMB82-mini 為主控核心，搭配多個模組實現人工智慧邊緣運算應用。系統整體架構如下：
圖1 AMB82-Mini系統架構圖
-
AMB82-mini：具備雙核心 CPU 及 Wi-Fi 功能，支援 TensorFlow Lite Micro 與 OpenAI API。
-
ILI9341 TFT LCD：負責顯示圖像、辨識結果或系統狀態。
-
PAM8403 + 4Ω 3W Speaker：進行語音播放，傳遞 TTS 結果。
-
Camera (內建)：每分鐘擷取影像，送至 Gemini Vision 模型。
-
MicroSD 卡：儲存辨識結果與對應影像。
-
RTC 模組（若接入）：確保時間戳記準確。
模組彼此透過 SPI、PWM 與 GPIO 接腳整合，並透過 Wi-Fi 連網串接生成式 AI 服務。
1. AMB82-mini
圖2 AMB82-Mini實體外觀圖
圖3 AMB82-Mini主要介面說明圖
圖4 AMB82-Mini 開發板前後視圖與 GPIO 腳位功能對應圖
圖1展示了 AMB82-Mini 的實體外觀，其中左側為搭載鏡頭的主開發板，右側為擴充模組，兩者皆具備豐富的 GPIO 排針與無線通訊模組。該圖有助於辨識實體接腳位置、連接模組佈局與實體安裝方向，是開發初期理解板子配置的第一步。鏡頭模組的存在也預示了該開發板具備即時影像擷取與傳送的能力，對於後續進行圖像辨識等 AI 應用至關重要。
圖2進一步聚焦於 AMB82-Mini 主板下方的三個 USB 介面與一個 RESET 按鈕，分別對應 UART_DOWNLOAD、USB OTG 與 Micro USB 功能，是韌體燒錄、USB 裝置掛載與序列埠通訊的關鍵接口。這張圖對於軟體開發者和系統整合者來說特別重要，因為錯誤的連接方式可能導致無法下載程式、裝置無法啟動或電力不穩。
圖3則提供最為關鍵的 GPIO 腳位分佈與功能對應說明，包含前後兩面的腳位排列，並以顏色分類標示各腳位用途，例如 SPI、I2C、UART、PWM、ADC、GPIO 等。開發者可依據此圖完成模組整合與接腳設計，例如將 ILI9341 TFT LCD 透過 SPI 腳位接入，或將麥克風與喇叭透過 I2S、PWM 控制端連接，此外也能依據腳位分配規劃按鈕輸入或感測器模組串接。
§ GPIO INT（General-Purpose Input/Output with Interrupts）
支援中斷觸發的 GPIO 腳位可用於偵測電壓變化（如上升緣/下降緣）並自動呼叫中斷函數，不需輪詢（polling），節省 CPU 運算資源，實現事件驅動控制。
應用實例：
- 按鈕按壓觸發畫面切換
- PIR 感測器啟動語音警示
- 碰撞感測器觸發機械動作
對應腳位：
幾乎所有 GPIO 腳位皆支援中斷，包括 PF0 ~ PF15、PE1 ~ PE6、PD14 ~ PD18、PA0 ~ PA3
§ ADC（Analog to Digital Converter）
ADC 將外部模擬訊號（連續電壓）轉為數位資料，供 MCU 做進一步分析與處理。AMB82-Mini 提供 8 個 ADC 通道，最大解析度 12-bit。
應用實例：
- 讀取光敏電阻控制螢幕亮度
- 偵測土壤濕度控制自動澆水
- 監控電池電壓防止過放
對應腳位： PF0（A0）、PF1（A1）、PF2（A2）、PF3（*A3）、PA0（A4）、PA1（A5）、PA2（A6）、PA3（A7）
§ PWM（Pulse Width Modulation）
以數位方式產生變化的電壓波形，用以模擬類比輸出，適合控制亮度、音訊輸出、馬達速度等。PWM 透過改變佔空比調整輸出功率。
應用實例：
- LED 呼吸燈效果
- 喇叭播放合成語音訊號
- 伺服馬達轉角控制
對應腳位：
PF6、PF7、PF8、PF9（LED_B）、PF12、PF13
§ UART（Universal Asynchronous Receiver/Transmitter）
UART 為非同步序列通訊，提供開發板與外部裝置（如藍牙模組、GPS、PC）之間的資料傳輸。AMB82-Mini 支援多組 UART（Serial1–3、LOG）。
應用實例：
- 與電腦透過 LOG_TX/RX 傳送 debug 資訊
- 與 HC-05 藍牙模組資料傳輸
- 接收 GPS 定位資訊
對應腳位：
PA2（SERIAL1_TX）、PA3（SERIAL1_RX）、PD15（SERIAL2_TX）、PD16（SERIAL2_RX）、PE1（SERIAL3_TX）、PE2（SERIAL3_RX）、PF4（LOG_TX）、PF3（LOG_RX)
§ SPI（Serial Peripheral Interface）
SPI 為同步序列通訊，速度快，適用於 TFT 顯示器、SD 卡、Flash 等高速裝置。AMB82-Mini 提供兩組 SPI，包含 SPI 與 SPI1。
應用實例：
- 控制 ILI9341 TFT LCD 顯示畫面
- 儲存影像資料至 MicroSD 卡模組
- 外接 Flash 記憶體儲存語音模型
對應腳位：
PF5（SPI1_MISO）、PF6（SPI1_SCLK）、PF7（SPI1_MOSI）、PF8（SPI1_SS）、PE3（SPI_MOSI）、PE2（SPI_MISO）、PE1（SPI_SCLK）、PE4（SPI_SS）
§ I2C（Inter-Integrated Circuit）
I2C 為雙線式同步通訊協定，可連接多個從屬裝置如感測器、OLED 等。AMB82-Mini 提供兩組 I2C 介面。
應用實例：
- 連接 MPU6050 姿態感測器
- 讀取 SHT31 溫濕度感測值
- 多感測模組串接（透過 TCA9548 擴展）
對應腳位：
PF2（I2C1_SDA）、PF1（I2C1_SCL）、PA1（I2C2_SDA）、PA0（I2C2_SCL）、PE4（I2C_SDA）、PE3（I2C_SCL）
§ SWD（Serial Wire Debug）
SWD 為 ARM Cortex-M 的單線除錯介面，用於實現斷點、變數觀察與即時燒錄。適合進行嵌入式除錯與韌體開發。
應用實例：
- 使用 J-Link 進行即時中斷除錯
- 使用 OpenOCD 觀察變數、設定斷點
- 韌體 OTA 更新前進行 low-level debug
對應腳位：
PA0（SWD_DATA）、PA1（SWD_CLK）
⚠ 注意：若啟用 SWD 模式，A4/A5 與 I2C2 將無法同時使用。
§ LED（On-Board LED Control）
板載 LED 可作為系統執行狀態、網路連線、錯誤警告等視覺提示，亦可當作普通 GPIO 控制。
應用實例：
- 網路連線成功後綠燈閃爍
- 辨識結果語音播放時藍燈同步閃爍
- 錯誤發生時 LED 閃爍提示
對應腳位：
PF9：LED_BUILTIN / LED_B（藍燈）、PE6：LED_G（綠燈）
2. ILI9341 TFT LCD
ILI9341 是一款廣泛應用於嵌入式系統的 2.4 吋/2.8 吋彩色 TFT LCD 顯示模組，搭載 240×320 像素解析度 與 SPI 通訊介面。該模組內建 ILI9341 顯示驅動 IC，支援 262K 色彩顯示與圖形加速功能，能夠顯示影像、文字、圖形介面，常見於智慧手持裝置、嵌入式儀表與 IoT 應用。
圖5 ILI9341 TFT LCD實體外觀圖
圖6 AMB82 MINI and QVGA TFT LCD 接線圖
表1 ILI9341 TFT LCD 規格
| 項目 | 說明 |
|---|---|
| 顯示尺寸 | 2.4 吋 / 2.8 吋 TFT LCD |
| 解析度 | 240 × 320 pixels |
| 控制晶片 | ILI9341 |
| 通訊介面 | SPI（支援 4 線序列通訊，亦可設定為 8-bit 並列） |
| 顯示色彩 | 262K（18-bit）真彩顯示 |
| 操作電壓 | 3.3V（邏輯電平，部分模組具備 5V 轉接） |
| 觸控功能 | 可選（部分模組具電阻式/電容式觸控，搭配 XPT2046） |
| 背光模組 | LED 背光，PWM 可調整亮度 |
表2 ILI9341 TFT LCD 模組引腳定義與功能說明表
| 序號 | 引腳標號 | 說明 |
|---|---|---|
| 1 | VCC | 5V/3.3V電源輸入 |
| 2 | GND | 接地 |
| 3 | CS | 液晶屏片選信號，低電平使能 |
| 4 | RESET | 液晶屏重定信號，低電平重定 |
| 5 | DC/RS | 液晶屏寄存器/資料選擇信號，低電平：寄存器，高電平：數據 |
| 6 | SDI(MOSI) | SPI匯流排寫資料信號 |
| 7 | SCK | SPI匯流排時鐘信號 |
| 8 | LED | 背光控制，高電平點亮，如無需控制則接3.3V常亮 |
| 9 | SDO(MISO) | SPI匯流排讀數據信號，如無需讀取功能則可不接 |
| (以下為觸摸屏信號線接線，如無需觸摸或者模組本身不帶觸摸功能，可不連接) | ||
| 10 | T_CLK | 觸摸SPI匯流排時鐘信號 |
| 11 | T_CS | 觸摸屏片選信號，低電平使能 |
| 12 | T_DIN | 觸摸SPI匯流排輸入 |
| 13 | T_DO | 觸摸SPI匯流排輸出 |
| 14 | T_IRQ | 觸摸屏中斷信號，檢測到觸摸時為低電平 |
3. PAM8403
PAM8403 是一款低功耗、高效率的 D 類音訊放大器晶片，可提供最高 3W + 3W 雙聲道立體聲輸出，適用於驅動如 4Ω/3W 或 8Ω/2W 的小型喇叭。它常被整合為 小型擴大器模組，可直接與微控制器（如 AMB82-Mini）搭配，用於播放語音合成（TTS）或音樂訊號。
表3 PAM8403產品特性
| 項目 | 規格說明 |
|---|---|
| 工作電壓 | 2.5V ~ 5.5V |
| 最大輸出功率 | 3W × 2（於 5V、4Ω 負載） |
| 音訊輸入 | 模擬音訊（L/R 左右聲道輸入） |
| 控制方式 | 無需 MCU 控制，可直接使用 PWM 或 DAC 輸入 |
| 音質表現 | 低 THD（總諧波失真）與雜訊，音質清晰 |
| 功耗特性 | 高效率（>85%），待機電流極低 |
| 大小 | 模組極小（約 2×2 cm），易於整合至小型裝置 |
表4 PAM8403腳位定義
| 項目 | 規格說明 |
|---|---|
| 阻抗（Impedance） | 4Ω（歐姆） |
| 額定功率（Rated Power） | 3W |
| 響應頻率範圍 | 約 200Hz ~ 10kHz（視型號而定） |
| 音壓靈敏度 | 約 85 ~ 90 dB（1W/1m） |
| 直徑尺寸 | 常見尺寸為 36mm / 40mm / 長條型 |
| 結構類型 | 有紙盆、塑膠盆、防塵網、磁鐵等結構 |
| 音圈材質 | 銅線音圈 / 鋁音圈 |
4. 4ohm 3W speaker
4Ω 3W 喇叭是一款常見於嵌入式系統、智慧裝置與音訊模組中的 小功率聲音輸出元件，具備結構緊湊、阻抗與功率規格標準化、易於搭配音訊擴大器模組（如 PAM8403）等優點。此類喇叭設計用於近距離音訊播放，適合語音提示、簡易音樂與 TTS（Text-to-Speech）語音輸出等應用。
表5 4ohm 3W speaker規格參數
| 項目 | 規格說明 |
|---|---|
| 阻抗（Impedance） | 4Ω（歐姆） |
| 額定功率（Rated Power） | 3W |
| 響應頻率範圍 | 約 200Hz ~ 10kHz（視型號而定） |
| 音壓靈敏度 | 約 85 ~ 90 dB（1W/1m） |
| 直徑尺寸 | 常見尺寸為 36mm / 40mm / 長條型 |
| 結構類型 | 有紙盆、塑膠盆、防塵網、磁鐵等結構 |
| 音圈材質 | 銅線音圈 / 鋁音圈 |
二、GenAI 程式設計流程
在使用 GenAI 函式庫（特別針對 AMB82-MINI 開發板）進行程式設計時，整體流程可分為幾個明確的階段，根據功能需求（圖像辨識、語音辨識、文字生成、文字轉語音等）進行模組搭配。以下是 GenAI 程式設計的完整流程說明：
1.初始化階段
步驟:
- 引入必要的頭檔（依功能需求）
- 初始化 WiFi（連接網路）
- 初始化 GenAI 函式庫與 API Key
- 初始化設備（如 Camera、Microphone、RTC、LCD）
2.資料擷取階段(視應用)
根據應用目標，從不同來源擷取資料:
圖像擷取(Camera):
GenAI_Camera camera;
camera.begin();
camera.capture(); // 擷取一張照片
語音錄音(Microphone）：
GenAI_Audio audio;
audio.begin();
audio.record(5); // 錄 5 秒音
取得時間(RTC):
RTC.getTimeString(); // 取得目前時間字串
觸控輸入(ADC）：
int touchValue = analogRead(TOUCH_PIN); // 讀取觸控
3.呼叫AI模型推論
依需求選擇使用Gemini Vision、Text、Audio:
圖像辨識(Vision):
String result = GenAI.visionDescription(camera.getImage());
語音辨識:(Whisper):
String transcript = GenAI.transcribe(audio.getWavData());
指令生成、故事生成(Text):
String prompt = "請用圖片寫一個童話故事";
String story = GenAI.generateText(prompt);
搭配RTC:
String prompt = "現在時間是 " + RTC.getTimeString() + "，請描述天氣狀況";
String result = GenAI.generateText(prompt);
4.輸出結果(視需求)
可使用多種方式顯示/播放AI結果:
顯示在LCD:
lcd.print(result);
播放語音(TTS):
TTS.speak(result); // 使用 Google TTS 朗讀
儲存到SD卡(選用):
file = SD.open("/result.txt", FILE_WRITE);
file.println(result);
file.close();
5. 控制流程與互動
可以使用:
- 按鈕 / 觸控切換模式
- 定時器 / RTC 控制週期性觸發
- 檢查 AI 回傳是否與前次不同，決定是否更新畫面/播放
圖7 GenAI 編碼設計流程
三、程式生成提示語設計
程式生成提示語設計（Prompts for Code Generation）是一門設計如何清楚、有效地向 AI 模型（如 GPT、Gemini、Copilot 等）描述你想要產生的程式碼的技巧。良好的提示語可以幫助你獲得準確、可執行、易維護的程式碼。
為什麼提示語（Prompt）很重要？
AI 是根據你提供的文字提示來推論程式碼。提示設計得越清楚，輸出的程式碼越貼近你的需求。
設計程式生成提示語的 5 大原則: 1.明確說明目標功能 2.指定語言與平台 3.指出輸入 / 輸出規格 4.補充使用限制 / 框架 / API 5.使用範例（很關鍵！）
小總結:
寫好提示語的重點是：「清楚、具體、有結構」。
- 告訴 AI 你要什麼（功能、語言、框架）
- 限制不想要的東西
- 加入範例與邏輯限制
- 越明確，越好用
四、看圖說故事專案流程圖
圖8 看圖說故事專案流程圖
五、看圖說故事程式碼與說明
1.作業目標（Objective）
使用 AMB82-mini 開發板拍照，將圖片傳送給 Gemini Vision 進行辨識，然後請 AI 根據畫面編寫一段童話故事，再利用 Google TTS 語音播出，讓系統像一位 AI 說故事的機器人。
2.開發板與功能（Board & Function）
開發板：AMB82-mini（Realtek RTL8735B）
👉 這是一塊支援攝影機、Wi-Fi、MP3 播放與 LCD 顯示的智慧開發板，適合用於 AI 與互動式應用。
3.功能流程說明（Function Flow）
(一)按下按鈕拍照
使用 RTC（實時時鐘） 或 millis() 計時器，每 60 秒觸發一次攝影機拍照。
(二)傳送照片給 Gemini Vision 並要求生成童話故事
將圖片發送給 Google Gemini AI，提示詞要求：「根據這張圖片，請說一段童話故事」，例如：
🔸 “Tell a short fairytale based on this image.”
(三)將回傳的故事（Text1）交給 Google TTS 並播放
使用 Google Text-to-Speech 將故事轉為語音，讓裝置播出 AI 創作的童話故事。
4.專案範例（Project Examples）：
| 專案名稱 | 說明 |
|---|---|
| GenAIVision_TTS_TFT.ino | 整合拍照、Vision 辨識、文字生成、TTS 語音播放與 LCD 顯示等功能的完整範例程式 |
Code:
/*
Fairytale Teller on AMB82-Mini
功能:
- 按下按鈕拍照
- 傳送影像至 Gemini Vision，請 AI 生成童話故事（中文）
- 將故事分割為多個短句
- 逐句轉成語音（Google TTS）並播放
*/
#include <WiFi.h>
#include <WiFiUdp.h>
#include "GenAI.h"
#include "VideoStream.h"
#include "SPI.h"
#include "AmebaILI9341.h"
#include "TJpg_Decoder.h"
#include "AmebaFatFS.h"
String openAI_key = "";
String Gemini_key = "AIzaSyCCwbt-JZVF_sdc2Eos6A8KipWZmjupvQk";
String Llama_key = "";
char wifi_ssid[] = "hahaha";
char wifi_pass[] = "93034570";
WiFiSSLClient client;
GenAI llm;
GenAI tts;
AmebaFatFS fs;
String mp3Filename = "tts_part.mp3";
VideoSetting config(768, 768, CAM_FPS, VIDEO_JPEG, 1);
#define CHANNEL 0
uint32_t img_addr = 0;
uint32_t img_len = 0;
const int buttonPin = 1;
String prompt_msg = "請看圖說一個童話故事，請用中文敘述，不要太短。";
#define TFT_RESET 5
#define TFT_DC 4
#define TFT_CS SPI_SS
AmebaILI9341 tft = AmebaILI9341(TFT_CS, TFT_DC, TFT_RESET);
#define ILI9341_SPI_FREQUENCY 20000000
bool tft_output(int16_t x, int16_t y, uint16_t w, uint16_t h, uint16_t *bitmap)
{
tft.drawBitmap(x, y, w, h, bitmap);
return 1;
}
void initWiFi()
{
for (int i = 0; i < 2; i++) {
WiFi.begin(wifi_ssid, wifi_pass);
delay(1000);
Serial.println("Connecting to WiFi...");
uint32_t StartTime = millis();
while (WiFi.status() != WL_CONNECTED) {
delay(500);
if ((StartTime + 5000) < millis()) break;
}
if (WiFi.status() == WL_CONNECTED) {
Serial.println("Connected, IP address: ");
Serial.println(WiFi.localIP());
break;
}
}
}
void init_tft()
{
tft.begin();
tft.setRotation(2);
tft.clr();
tft.setCursor(0, 0);
tft.setForeground(ILI9341_GREEN);
tft.setFontSize(2);
}
// 最大句數
const int MAX_SENTENCES = 20;
// 將故事依「。」或「，」斷句
int splitTextForTTS(String text, String output[], int maxLen = 100) {
int count = 0;
int start = 0;
while (start < text.length() && count < MAX_SENTENCES) {
int end = text.indexOf("。", start);
if (end == -1) {
output[count++] = text.substring(start);
break;
}
String sentence = text.substring(start, end + 1);
if (sentence.length() <= maxLen) {
output[count++] = sentence;
} else {
int subStart = start;
while (subStart < end && count < MAX_SENTENCES) {
int subEnd = text.indexOf("，", subStart);
if (subEnd == -1 || subEnd > end) {
output[count++] = text.substring(subStart, end + 1);
break;
}
output[count++] = text.substring(subStart, subEnd + 1);
subStart = subEnd + 1;
}
}
start = end + 1;
}
return count;
}
void sdPlayMP3(String filename)
{
fs.begin();
String filepath = String(fs.getRootPath()) + filename;
File file = fs.open(filepath, MP3);
if (!file) {
Serial.println("Failed to open MP3 file: " + filepath);
fs.end();
return;
}
file.setMp3DigitalVol(175);
file.playMp3(); // 無參數呼叫
delay(3000); // 等待約3秒，視MP3長度可自行調整
file.close();
fs.end();
}
void setup()
{
Serial.begin(115200);
SPI.setDefaultFrequency(ILI9341_SPI_FREQUENCY);
initWiFi();
config.setRotation(0);
Camera.configVideoChannel(CHANNEL, config);
Camera.videoInit();
Camera.channelBegin(CHANNEL);
Camera.printInfo();
pinMode(buttonPin, INPUT);
pinMode(LED_B, OUTPUT);
init_tft();
tft.println("Fairytale Teller");
TJpgDec.setJpgScale(2);
TJpgDec.setCallback(tft_output);
}
void loop()
{
tft.setCursor(0, 1);
tft.println("Press button to tell story");
if ((digitalRead(buttonPin)) == 1) {
tft.println("Capturing image...");
for (int count = 0; count < 3; count++) {
digitalWrite(LED_B, HIGH);
delay(500);
digitalWrite(LED_B, LOW);
delay(500);
}
Camera.getImage(0, &img_addr, &img_len);
TJpgDec.getJpgSize(0, 0, (uint8_t *)img_addr, img_len);
TJpgDec.drawJpg(0, 0, (uint8_t *)img_addr, img_len);
tft.clr();
tft.setCursor(0, 0);
tft.println("Talking...");
String story = llm.geminivision(Gemini_key, "gemini-2.0-flash", prompt_msg, img_addr, img_len, client);
Serial.println("Story:");
Serial.println(story);
String parts[MAX_SENTENCES];
int numParts = splitTextForTTS(story, parts);
if (numParts > 0) {
for (int i = 0; i < numParts; i++) {
String mp3Part = "tts_" + String(i) + ".mp3";
Serial.print("TTS Part "); Serial.print(i); Serial.print(": ");
Serial.println(parts[i]);
tts.googletts(mp3Part, parts[i], "zh-TW");
delay(500); // 確保下載完畢
sdPlayMP3(mp3Part);
}
} else {
Serial.println("No valid text to speak.");
}
}
}
六、看圖說故事成果展示
影1 看圖說故事成果展示
This site was last updated June 17, 2025.