影片說明寫的流程是「自己訓練 → 部署模型 → 即時影像辨識」，再加上「MCU 即時控制」，剛好就是 App Lab 內建的 Edge Impulse 功能。

0. 硬體（先確認這一步）

• USB 攝影機，一般 UVC 的 webcam 就可以。
• 有 PD 供電的 USB-C Hub。UNO Q 只有一個 USB-C 孔，攝影機、供電，還有要接螢幕時的 HDMI，都得透過 Hub。
• 板子至少要 2 GB RAM。你的 eMMC 是 16 GB，所以應該是 2 GB 版，達到最低需求（影片賣的是 4 GB 版）。
• 帳號：Arduino 帳號，再加一個免費的 Edge Impulse 帳號。

1. 更新 App Lab

PC 上的 App Lab 是 0.10.0，但板子上裝的是 0.2.4，要先更新到 ≥ 0.5，才會有「Train new AI model」這個整合功能。App Lab 連上板子時通常會提示更新。

2. 從範例開始

在 App Lab 打開 Detect Objects on Camera（物件偵測）範例，或是影像分類的範例，按 Copy and edit app，取個名字建立自己的 App。

3. 訓練自己的模型

• 點 Video Object Detection brick，進 AI models 分頁，按 Train new AI model，會跳到 Edge Impulse Studio。
• 收集資料：可以用手機、電腦或板子上的攝影機拍，也可以直接上傳照片。每一類建議至少拍幾十張，角度和光線要多變化。物件偵測要框出物件的位置。
• 建立 Impulse：處理區塊選 Image，學習區塊選 Object Detection，模型用 FOMO MobileNetV2 0.35。只要判斷「是哪一類」的話，就改用 Image Classification。
• 目標硬體選 Arduino UNO Q，然後 Train，再 Deploy。

4. 部署到板子

回到 App Lab，模型清單裡會出現你剛訓練好的模型。按 Download，進 Brick Configuration 選這個模型後存檔，它會寫進 app.yaml。按 Run 之後，用瀏覽器開 http://<板子IP>:7000，就能看到即時畫面和辨識框。

5. 讓 MCU 跟著動（影片裡「MCU 即時控制」的部分）

在 Python 端拿到辨識結果後，用 Bridge（也就是 arduino-router）通知 STM32。STM32 的 sketch 收到後再決定要做什麼，例如：

• 在 LED 矩陣上顯示對應的圖示，直接沿用我們之前做好的 12 種圖示（笑臉、✔、✘、貓臉等）
• 或是點亮 RGB LED、驅動蜂鳴器或伺服馬達

官方教學／文件

• Edge Impulse：Run Arduino App Lab（步驟最完整，最推薦）
• Arduino Docs：Custom AI Models for App Lab
• Arduino Blog：App Lab 整合 Edge Impulse

帳號

• Edge Impulse Studio（免費）

要開始時，先準備好 USB 攝影機和有 PD 供電的 USB-C Hub，再想好要辨識哪2-3種東西。