M5Stack MLOps - Environmental Comfort Prediction System

M5StackとENV IIIセンサーを使用した環境快適度予測システムです。TensorFlow Liteを使用してエッジデバイスで機械学習モデルを実行し、温度・湿度・気圧から不快指数（THI）を予測します。

システム概要

• センサー: SHT3X (温湿度), QMP6988 (気圧)
• デバイス: M5Stack Core
• ML Framework: TensorFlow Lite for Microcontrollers
• データ保存: Ambient IoTクラウド
• モデル更新: OTA (Over-The-Air) via WiFi

必要なハードウェア

• M5Stack Core (ESP32ベース)
• ENV III Unit (SHT3X + QMP6988)
• USB Type-Cケーブル

必要なソフトウェア

Arduino環境

• Arduino IDE 1.8.x または 2.x
• ESP32ボードマネージャー

Python環境

pip install numpy pandas matplotlib tensorflow scikit-learn ambient requests schedule

---

セットアップ手順

1. Arduino環境のセットアップ

1.1 ボードマネージャーの設定

Arduino IDEで以下を設定:

1. ファイル → 環境設定
2. 追加のボードマネージャーURL:

   https://dl.espressif.com/dl/package_esp32_index.json
   

3. ツール → ボード → ボードマネージャー
4. "ESP32" を検索してインストール

1.2 必要なライブラリのインストール

スケッチ → ライブラリをインクルード → ライブラリを管理 から以下をインストール:

ライブラリ名	バージョン	説明
M5Stack	最新	M5Stack基本機能
M5Unit-ENV	最新	ENV IIIセンサードライバ
Ambient ESP32 ESP8266 lib	最新	Ambientクラウド連携
TensorFlowLite_ESP32	最新	TensorFlow Lite推論エンジン

重要: TensorFlowLite_ESP32は以下のURLから手動でインストールが必要な場合があります:

https://github.com/tanakamasayuki/TensorFlowLite_ESP32

1.3 必要なヘッダーファイル

MLOPS_M5STACK.inoと同じディレクトリに以下のファイルが必要です:

1. model.h - 初期モデルデータ

   • TensorFlow Liteモデルのバイト配列
   • Pythonスクリプトで生成されたモデルをC配列に変換

2. config.h (作成が必要) - 認証情報

   #ifndef CONFIG_H
   #define CONFIG_H
   
   // WiFi設定
   const char* ssid = "YOUR_WIFI_SSID";
   const char* password = "YOUR_WIFI_PASSWORD";
   
   // Ambient設定
   unsigned int channelId = YOUR_CHANNEL_ID;
   const char* writeKey = "YOUR_WRITE_KEY";
   
   #endif

1.4 config.hの作成

# プロジェクトディレクトリで
cp config.h.example config.h
# config.hを編集して実際の認証情報を入力

2. M5Stackへの書き込み

1. M5StackをUSBで接続
2. ツール → ボード → M5Stack-Core-ESP32を選択
3. ツール → シリアルポート → 接続されたポートを選択
4. ツール → Upload Speed → 115200を選択
5. スケッチ → マイコンボードに書き込む

初回書き込み時の注意:

• メモリ不足エラーが出る場合: ツール → Partition Scheme → No OTA (Large APP)を選択

---

Python学習スクリプトのセットアップ

1. 設定ファイルの作成

pyファイルの32行目を編集:

# Ambientクライアントの初期化
am = ambient.Ambient(
    "YOUR_CHANNEL_ID", 
    "YOUR_WRITE_KEY", 
    "YOUR_READ_KEY", 
    "YOUR_USER_KEY"
)

2. 実行方法

モード1: 学習とアップロード (推奨)

python mlops_training_tflite.py --mode both --ip 192.168.1.XXX

モード2: 学習のみ

python mlops_training_tflite.py --mode train

モード3: アップロードのみ

python mlops_training_tflite.py --mode upload --ip 192.168.1.XXX

定期実行の設定

# 毎日午前3時に自動学習・アップロード
python mlops_training_tflite.py --mode both --ip 192.168.1.XXX --time 03:00

3. オプション

オプション	短縮形	説明	デフォルト
--mode	-m	実行モード (train/upload/both)	both
--ip	-i	M5StackのIPアドレス	-
--time	-t	定期実行時刻 (HH:MM)	03:00
--model-file	-f	アップロードするモデルファイル	最新を自動検出

---

使い方

Webインターフェース

M5Stackが表示するIPアドレスにブラウザでアクセス:

http://192.168.1.XXX/

モデルの手動アップロード:

http://192.168.1.XXX/upload

---

プロジェクト構造

.
├── MLOPS_M5STACK.ino          # M5Stack メインプログラム
├── config.h                   # 認証情報 (gitignore対象)
├── config.h.example           # 設定ファイルのテンプレート
├── model.h                    # 初期モデルデータ
├── mlops_training_tflite.py  # 学習・アップロードスクリプト
├── models/                    # 学習済みモデル保存ディレクトリ
│   └── YYYYMMDD/
│       ├── model_weight_YYYYMMDD.tflite
│       ├── model_weight_YYYYMMDD.keras
│       └── learning_curve_YYYYMMDD.png
└── README.md

---

トラブルシューティング

Arduino書き込みエラー

エラー: "Sketch too big"

• 解決: ツール → Partition Scheme → No OTA (Large APP)

エラー: "A fatal error occurred: MD5 of file does not match"

• 解決: ボードを再接続し、リセットボタンを押しながら書き込み

WiFi接続失敗

• SSIDとパスワードが正しいか確認
• 2.4GHz WiFiを使用しているか確認 (5GHzは非対応)
• ボタンCでWiFi再接続を試行

モデルアップロード失敗

• M5StackのIPアドレスが正しいか確認
• M5StackとPCが同じネットワークにいるか確認
• ファイアウォール設定を確認