สตรีมเซ็นเซอร์ที่พร้อมสำหรับ Edge AI

หลักสูตร

TESA Firmware SDK สำหรับ Edge AI · ข้อมูลเซ็นเซอร์และการเตรียมข้อมูลสำหรับ Edge AI

ระดับ

L3 ทำได้เอง

เวลาโดยประมาณ

75 นาที (แนวคิด 45 · ฝึก 20 · เช็กความเข้าใจ 10)

อุปกรณ์

Dev Kit · Eva Kit

ทักษะที่ฝึก

• เซนเซอร์และแอคชูเอเตอร์ ถึง L2
• การเก็บและเตรียมข้อมูลจากเซนเซอร์ ถึง L2
• การประมวลผลสัญญาณดิจิทัล ถึง L1

ควรเรียนก่อน

• แล็บ: เฟิร์มแวร์หลาย task ด้วย FreeRTOS

สถานะ

ทดลองใช้ (alpha)

• เปิดสไลด์
• ไฟล์ของบทเรียนบน GitHub

Course 1 · Module 5
Suggested time: ประมาณ 3.5–4 ชั่วโมง (อ่าน + lab เซ็นเซอร์ / หน้าต่างข้อมูล)
Format: บทเรียนเชิงปฏิบัติ — อ่านเซ็นเซอร์ให้เสถียร จัดโครงสร้างข้อมูล และเตรียมทางไป Edge AI / Digital Twin / cloud

Lab · Cheatsheet · ← Table of Contents · ← M04 · M06 →

หมายเหตุ: โค้ดในบทนี้เขียนสำหรับเฟิร์มแวร์ชุดใด (ตรวจสอบเมื่อ 26 ก.ย. 2026)

โค้ด C ในบทนี้เรียก API ของเฟิร์มแวร์ TESAIoT Bitstream ที่ต้นฉบับเรียกว่า “TESA Firmware SDK” ซึ่งเผยแพร่เป็นไฟล์ HEX สำเร็จรูป (tesaiot-bitstream-<version>.hex) คู่กับ Bitstream Studio ในแพ็กแล็บ TESAIoT_Hackathon ซอร์สโค้ดของเฟิร์มแวร์ชุดนี้ยังไม่เปิดเผยต่อสาธารณะ ฟังก์ชันอย่าง sensor_bmi270_*, sensor_sht40_*, sensor_dps368_read, sensor_bmm350_read, cm55_imu_fusion_bridge_*, bitstream_bs_cfg_* จึงยังไม่มี header ให้เปิดดูหรือนำไป build เอง ให้อ่าน snippet เป็นแนวคิดและลำดับการเรียกใช้ ส่วนการเรียก FreeRTOS และ Infineon PDL (เช่น xTaskCreate, vTaskDelay, Cy_GPIO_*) เป็น API สาธารณะตามปกติ

ถ้าต้องการโค้ดที่อ่านและ build ได้จากซอร์สเปิด ให้ดู tesaiot-pse84-devkit-sdk (Apache-2.0) ซึ่งเป็นคนละโค้ดเบสและตั้งชื่อ API ต่างกัน ตัวอย่างที่ตรวจแล้วว่าทำงานเรื่องเดียวกับบทนี้ (commit ef72c1b):

• proj_cm33_ns/examples/sensors/02_read_imu.c — BMI270 accelerometer / gyroscope (bmi270_read_accel, bmi270_read_gyro)
• proj_cm33_ns/examples/sensors/03_read_magnetometer.c — BMM350 และการ calibrate เข็มทิศ (bmm350_*)
• proj_cm33_ns/examples/sensors/04_read_environment.c — SHT40 และ DPS368 (sht40_read_both, dps368_read_both)
• proj_cm33_ns/examples/sensors/05_auto_push_task.c — task อ่านเซ็นเซอร์เบื้องหลัง ปรับอัตราด้วย sensor_auto_set_rate (20–5000 ms; ต่ำกว่า 50 ms อ่านเฉพาะ accelerometer)
• proj_cm55/examples/sensors/01_feed_sensor_hub.c — ส่งค่าที่อ่านบน CM55 เข้า sensor hub ให้ผู้ใช้ปลายทางทุกตัวเห็น

ยังไม่พบตัวเทียบใน SDK สาธารณะ: IMU fusion (cm55_imu_fusion_bridge_*) และ SENSOR_CFG ของ Bitstream (bitstream_bs_cfg_*)

---

เป้าหมาย (Learning Outcomes)

Sensor data handling

1. อ่านข้อมูลเซ็นเซอร์ให้เสถียรขึ้นด้วยเทคนิคเช่น filtering และ normalization (ในแล็บ)
2. จัดการ sampling rate, จังหวะเวลา และลด noise พื้นฐาน
3. จัดโครงสร้างข้อมูล (sample / window) เพื่อใช้กับ AI / inference ในขั้นถัดไป
4. เรียก Sensor Driver API ของ TESA Firmware SDK ได้จริง

Edge AI applications

1. อธิบายการประยุกต์ SDK กับงาน Edge AI (gesture / activity / event) ในระดับ pipeline ข้อมูล
2. เตรียมข้อมูลเพื่อส่งต่อไปยัง Digital Twin, inference engine หรือ cloud
3. ทดสอบบนอุปกรณ์จริง และดูผลบนโฮสต์เมื่อมี telemetry

ขอบเขตที่ซื่อสัตย์กับ SDK ปัจจุบัน
ไดรเวอร์เซ็นเซอร์และ Bitstream telemetry / IMU fusion มีใน TESA Firmware SDK
ยังไม่มี API ระดับแอปสำหรับ Ethos-U / NNLite / DEEPCRAFT inference ในหลักสูตรนี้ — M05 สอน การเตรียมข้อมูลและการไหลของสัญญาณ ไม่ใช่การเทรนโมเดลบน NPU
Snippet ด้านล่างอ้างชื่อฟังก์ชันจาก TESA Firmware SDK — ใช้ร่วมกับโปรเจกต์ตัวอย่างหรือตัวอย่างบน Developer Hub

Read alongside this chapter

เอกสาร	ใช้เมื่อ
TESAIoT Developer Hub	ตัวอย่าง Domain Sensors / Embedded
M03 — Peripherals	I²C lock, UART log
M04 — RTOS	task คาบคงที่สำหรับ sampling
M01 — Architecture	โดเมน M55+Ethos / M33+NNLite (แผนที่ชิป)
DEEPCRAFT™ AI Suite	เวิร์กโฟลว์ ML ของ Infineon (ภาพรวม)
Bitstream Studio	ดู telemetry / twin บนโฮสต์
TESAIoT_Hackathon	HEX + web-app/ demos (SHT40, BMI270, …)
PSOC™ Edge E84 product page	Ethos-U55 / NNLite ในระดับชิป

---

1. From Raw Pins to AI-Ready Streams

Sensor HW  →  sensor_* Driver  →  sample structs
                 │
                 ├─ (lab) filter / normalize / window
                 ├─ (optional) IMU fusion → quat / euler
                 └─ Bitstream / host / MQTT (M06) / Digital Twin

ชั้น	บทบาทใน M05
Driver	sensor_*_startup / read / is_ready
Timing	FreeRTOS task + vTaskDelayUntil หรือ SENSOR_CFG interval
Conditioning	filter / normalize ในโค้ดแล็บ (ยังไม่มีโมดูล filter สำเร็จรูปใน SDK)
Features / window	บัฟเฟอร์หน้าต่าง N ตัวอย่าง — เตรียมเข้าโมเดล
Host / twin	Bitstream Studio · Hackathon web-app
NPU / DEEPCRAFT	แผนที่สถาปัตยกรรม + เอกสาร Infineon — ไม่เรียก inference API ในแล็บนี้

Key phrase
Edge AI เริ่มจาก ข้อมูลสะอาดและจังหวะคงที่ — ไม่ใช่จากโมเดลอย่างเดียว

---

2. Sensor Drivers in TESA Firmware SDK

รูปแบบร่วมของไดรเวอร์หลัก:

cy_rslt_t sensor_<name>_startup(void);
bool      sensor_<name>_read(<name>_sample_t *out_sample);
bool      sensor_<name>_is_ready(void);

2.1 Sample structures (units)

typedef struct {
    float acc_x, acc_y, acc_z;   /* m/s^2 */
    float gyr_x, gyr_y, gyr_z;   /* rad/s */
    float temperature;           /* °C */
    int32_t elapsed_ms;
} bmi270_sample_t;

typedef struct {
    float mag_x, mag_y, mag_z;   /* µT */
    float temperature;
} bmm350_sample_t;

typedef struct {
    float pressure;              /* Pa */
    float temperature;
} dps368_sample_t;

typedef struct {
    float temperature;           /* °C */
    float humidity;              /* %RH */
} sht40_sample_t;

2.2 SHT40 (temperature / humidity)

#include "sensor_sht40.h"

sht40_sample_t s;
if (sensor_sht40_startup() == CY_RSLT_SUCCESS && sensor_sht40_is_ready()) {
    if (sensor_sht40_read(&s)) {
        printf("T=%.2f C  RH=%.2f %%\r\n",
               (double)s.temperature, (double)s.humidity);
    }
}

2.3 BMI270 (IMU — สำคัญต่อ motion / orientation)

#include "sensor_bmi270.h"

bmi270_sample_t imu;
if (sensor_bmi270_is_ready() && sensor_bmi270_read(&imu)) {
    printf("acc=%.3f %.3f %.3f\r\n",
           (double)imu.acc_x, (double)imu.acc_y, (double)imu.acc_z);
}

ทางเลือก non-blocking เมื่อบัสไม่ว่าง: sensor_bmi270_try_read(&imu)

2.4 DPS368 and BMM350

#include "sensor_dps368.h"
#include "sensor_bmm350.h"

dps368_sample_t baro;
bmm350_sample_t mag;
(void)sensor_dps368_read(&baro);  /* pressure Pa */
(void)sensor_bmm350_read(&mag);   /* mag_x/y/z */

BMM350 ใช้เส้นทาง I3C — ไม่ผ่าน cm55_i2c_manager
BMI270 / SHT40 / DPS368 ใช้บัส I²C ร่วม → ล็อกด้วย cm55_i2c_manager_i2c_lock / unlock เมื่อเขียนธุรกรรมเอง

cm55_i2c_manager_i2c_lock();
/* custom transfer if needed */
cm55_i2c_manager_i2c_unlock();

ไดรเวอร์ sensor_*_read โดยทั่วไปจัดการล็อกภายในแล้ว — อย่าล็อกซ้อนโดยไม่จำเป็น

---

3. Sampling Rate, Timing, and Noise

3.1 Fixed-rate task (lab pattern)

SDK ไม่มี sensor_*_set_rate_hz ในไดรเวอร์ปัจจุบัน
จังหวะอ่านในแล็บ = คาบของ FreeRTOS task (จาก M04):

#include "FreeRTOS.h"
#include "task.h"
#include "sensor_bmi270.h"

void sensor_lab_task(void *arg)
{
    TickType_t last = xTaskGetTickCount();
    const TickType_t period = pdMS_TO_TICKS(40); /* ~25 Hz */
    bmi270_sample_t s;
    (void)arg;

    for (;;) {
        if (sensor_bmi270_read(&s)) {
            /* filter / window / queue — learner code */
        }
        vTaskDelayUntil(&last, period);
    }
}

เป้าหมาย	แนวทาง
อัตราคงที่	vTaskDelayUntil ดีกว่า vTaskDelay เมื่อต้องการคาบแม่นยำขึ้น
เซ็นเซอร์ช้า (SHT40)	คาบยาวกว่า (เช่น 500–1000 ms)
IMU	คาบสั้นกว่า (เช่น 20–40 ms) ตามงาน

3.2 Filtering and normalization (lab-local)

ยังไม่มีโมดูล filter สำเร็จรูปใน SDK — สอนเป็นโค้ดแล็บ:

/* Exponential moving average — lab-local, not a TESA SDK API */
float ema = 0.0f;
const float alpha = 0.2f;

void on_temp_sample(float t_c)
{
    ema = alpha * t_c + (1.0f - alpha) * ema;
}

/* Simple normalize to roughly [-1, 1] using expected range */
float normalize(float x, float x_min, float x_max)
{
    if (x_max <= x_min) {
        return 0.0f;
    }
    float y = (x - x_min) / (x_max - x_min);
    return (2.0f * y) - 1.0f;
}

เทคนิคอื่นที่พบบ่อย: median ของหน้าต่างสั้น, ตัด outlier, ลบค่า offset ของ accelerometer เมื่อวางนิ่ง

3.3 Time synchronization (practical)

แนวทาง	ใช้เมื่อ
elapsed_ms ใน bmi270_sample_t	อ้างอิงเวลาสัมพัทธ์ของตัวอย่าง IMU
tick ของ FreeRTOS	ประทับเวลาใน task แล็บ
คาบ publish ของ Bitstream	ให้โฮสต์เห็นสตรีมสม่ำเสมอ

ยังไม่ลงรายละเอียด NTP/PTP ใน M05 — โฟกัสให้ตัวอย่างมี จังหวะและหน่วยชัด

---

4. Structuring Data for AI / Inference

โมเดล Edge มักต้องการ หน้าต่างเวลา ของเวกเตอร์ฟีเจอร์ ไม่ใช่ค่าเดี่ยว

4.1 Ring window (lab pattern)

#define WIN_N 32

typedef struct {
    float ax[WIN_N];
    float ay[WIN_N];
    float az[WIN_N];
    uint16_t count;
    uint16_t head;
} imu_window_t;

void imu_window_push(imu_window_t *w, const bmi270_sample_t *s)
{
    w->ax[w->head] = s->acc_x;
    w->ay[w->head] = s->acc_y;
    w->az[w->head] = s->acc_z;
    w->head = (uint16_t)((w->head + 1U) % WIN_N);
    if (w->count < WIN_N) {
        w->count++;
    }
}

bool imu_window_full(const imu_window_t *w)
{
    return w->count >= WIN_N;
}

เมื่อหน้าต่างเต็ม → พร้อมส่งเข้า (อนาคต) inference / หรือส่งสรุปขึ้นโฮสต์

4.2 Feature ideas (conceptual)

งาน	ตัวอย่างฟีเจอร์จากหน้าต่าง
Activity / motion intensity	ค่าเฉลี่ย |a|, variance
Orientation change	delta ของ pitch/roll จาก fusion
Environment event	เกณฑ์อุณหภูมิ/ความชื้นหลัง filter
Gesture (แนวคิด)	รูปแบบแกน accel ในหน้าต่างสั้น

การจำแนก gesture จริงด้วย NPU = ขั้นถัดไปนอกขอบเขต API ปัจจุบัน — M05 ทำให้ อินพุตพร้อม

---

5. On-Device Intelligence Today: IMU Fusion

ใกล้เคียง “smart on device” มากที่สุดใน SDK ปัจจุบันคือ BMI270 → CM33 BSXLite fusion → quaternion / euler

#include "cm55_imu_fusion_bridge.h"
#include "sensor_bmi270.h"

bmi270_sample_t s;
ipc_fusion_result_t f;

if (sensor_bmi270_read(&s)) {
    (void)cm55_imu_fusion_bridge_push_raw_components(
        s.acc_x, s.acc_y, s.acc_z,
        s.gyr_x, s.gyr_y, s.gyr_z,
        s.elapsed_ms);
}

if (cm55_imu_fusion_bridge_get_latest_result(&f)) {
    /* f.qw..qz, f.heading, f.pitch, f.roll (radians), f.orientation */
    printf("pitch=%.2f roll=%.2f\r\n",
           (double)f.pitch, (double)f.roll);
}

typedef struct {
    float qw, qx, qy, qz;
    float heading, pitch, roll; /* radians */
    uint8_t orientation;        /* discrete pose; 0 = unknown */
    uint8_t reserved[3];
} ipc_fusion_result_t;

เชื่อมกับแผนที่ M01: การประมวลผลหนัก/ฟิวชันอาจอยู่คนละโดเมนกับ always-on — ผู้เรียนโฟกัส API บน CM55 ที่ push/get ผล

---

6. Preparing Streams for Host, Twin, and Cloud

6.1 Bitstream SENSOR_CFG (firmware view)

สตรีมไปโฮสต์ถูกควบคุมด้วยคอนฟิกระดับเซ็นเซอร์ (interval / mode / mask):

typedef struct {
    uint8_t  enabled;
    uint8_t  publish_mode;           /* 0=periodic, 1=on_change, 2=hybrid */
    uint8_t  mask;
    uint16_t sampling_interval_ms;
    uint16_t delta_x100;
    uint16_t min_publish_interval_ms;
    uint16_t publish_interval_ms;
} bitstream_bs_sensor_cfg_t;

อ่านค่าปัจจุบัน (เมื่อโปรเจกต์เปิด Bitstream):

#include "bitstream_bs_cfg.h"
#include "bitstream_bs_wire.h"

const bitstream_bs_sensor_cfg_t *cfg =
    bitstream_bs_cfg_get_by_source(BITSTREAM_SENSOR_SOURCE_ID_SHT40);
/* cfg->enabled, sampling_interval_ms, publish_interval_ms, publish_mode, mask */

Sensor ID (แนวคิด)	ใช้กับ
BMI270	IMU (+ mask สำหรับ ACC/GYR/TMP/EULER/QUAT ตามเฟิร์มแวร์)
BMM350	แมกนีโตมิเตอร์
SHT40	อุณหภูมิ/ความชื้น
DPS368	ความดัน

บนโฮสต์: ตั้งค่าผ่าน Bitstream Studio (Sensor Telemetry) หรือดูตัวอย่าง HTML ใน TESAIoT_Hackathon web-app/

6.2 Digital Twin and dashboards

เป้าหมาย	เครื่องมือ
Live gauges / deck	Bitstream Studio
HTML demos	Hackathon ex01 SHT40 … ex04 BMI270 …
Cloud publish	เตรียม payload ไว้ใน M05 → ส่งจริงใน M06 (MQTT)

6.3 Edge AI silicon vs course labs

ชิ้นส่วน (จาก M01)	ใน M05
Ethos-U55 / NNLite	รู้ว่ามีบนชิป — ยังไม่มี wrapper inference ใน SDK แล็บ
DEEPCRAFT™	เวิร์กโฟลว์โมเดลของ Infineon — อ่านภาพรวมได้จาก DEEPCRAFT AI Suite
งานแล็บของคุณ	sample → filter → window → (fusion / telemetry)

---

7. Application Patterns (Gesture / Activity / Events)

รูปแบบผลิตภัณฑ์	สิ่งที่ทำได้ใน M05 ด้วย SDK ปัจจุบัน
Event / condition	เกณฑ์บนค่า filter แล้ว (เช่น อุณหภูมิเกิน) → LED / UART / คิว
Activity monitoring (แนวคิด)	variance ของ accel ในหน้าต่าง
Orientation / pose	ipc_fusion_result_t
Gesture classifier	เตรียมหน้าต่างฟีเจอร์ — โมเดล NPU เป็นขั้นถัดไป

ตัวอย่าง event ง่าย ๆ:

if (ema > 30.0f) {
    led_controller_set(LED_RED, true);
    printf("TEMP_EVENT high\r\n");
}

---

8. Module Summary

1. เรียก sensor_*_startup / read ให้ได้ก่อน แล้วค่อยปรับจังหวะด้วย task
2. Filter / normalize / window = โค้ดแล็บ ที่ขาดไม่ได้สำหรับ AI prep
3. Fusion ให้ orientation พร้อมใช้บนอุปกรณ์
4. SENSOR_CFG / Bitstream Studio เชื่อมสตรีมไปโฮสต์และ Digital Twin
5. NPU / DEEPCRAFT = ทิศทางแพลตฟอร์ม — M05 ทำให้ข้อมูลพร้อม
6. ต่อไป M06 ส่งสรุปขึ้น MQTT / cloud

Next Steps

1. ทำแบบฝึก: Lab
2. เก็บแผ่นสรุป: Cheatsheet
3. เมื่อพร้อม ไปต่อ M06 — MQTT and MQTTs for Cloud Communication (บทเรียน M06)

---

References and Further Reading

Course portals

1. TESAIoT Developer Hub — Domain Sensors
2. Bitstream Studio
3. TESAIoT_Hackathon — web-app/ sensor demos

Platform / ML overview

4. PSOC™ Edge E84
5. DEEPCRAFT™ AI Suite
6. Arm Ethos-U55

Prior modules

7. M03 — GPIO and Peripherals
8. M04 — RTOS Programming
9. M01 — MCU Architecture

FreeRTOS timing

10. vTaskDelayUntil

---

เช็กความเข้าใจ

คำถามสั้นสามข้อใน quiz.yaml ผูกกับเป้าหมายของบทเรียนนี้ข้อละหนึ่งคำถาม ลองตอบเองก่อน แล้วค่อยเทียบกับเฉลยและคำอธิบายในไฟล์

แล็บ

ลงมือต่อที่ แล็บ: สตรีมเซ็นเซอร์และหน้าต่างข้อมูลพร้อม AI

Lab · Cheatsheet · ← Table of Contents · ← M04 · M06 →

ตัวอย่างบน TESAIoT Developer Hub

ลองของจริงบน TESAIoT Dev Kit: เปิดตัวอย่างบน Developer Hub เพื่ออ่านโค้ด ดาวน์โหลด หรือ flash เฟิร์มแวร์สำเร็จรูป

• EP01 — DPS368 Monitor — อ่านค่าความดันบรรยากาศและอุณหภูมิจากเซนเซอร์ Infineon DPS368 ผ่าน I2C แล้วแสดงผลบนจอ LVGL
• EP02 — BMI270 Motion Visual — แสดงค่าการเคลื่อนไหว 6 แกนจากเซนเซอร์ Bosch BMI270 (accelerometer + gyroscope) บนจอ LVGL แบบเรียลไทม์
• EP03 — SHT40 Indicator — วัดความชื้นสัมพัทธ์และอุณหภูมิด้วยเซนเซอร์ Sensirion SHT4x บน I2C แล้วแสดงผลเป็นตัวบ่งชี้บนจอ LVGL
• EP04 — BMM350 Compass — สร้างเข็มทิศดิจิทัลจากเซนเซอร์สนามแม่เหล็ก Bosch BMM350 บน I3C พร้อมฟีเจอร์ปรับแต่ง (hard-iron calibration)
• EP06 — Digital Mic Probe — เก็บสัญญาณเสียงจากไมโครโฟน PDM สเตอริโอบนบอร์ด คำนวณระดับความดังซ้าย/ขวาแล้วแสดงเป็น level meter บนจอ LVGL

คำถามทบทวน

ลองตอบเองก่อน แล้วค่อยเปิดดูเฉลย

1. ถ้าต้องการอัตราอ่านคงที่ที่แม่นยำขึ้น บทเรียนแนะนำฟังก์ชันใด (เป้าหมายข้อ 1)

   1. ลูป busy-wait
   2. `sensor_*_set_rate_hz`
   3. `vTaskDelayUntil`
   4. `vTaskDelay`
   ดูเฉลย

   คำตอบ: C. `vTaskDelayUntil`

   ตารางในหัวข้อ 3.1: `vTaskDelayUntil` ดีกว่า `vTaskDelay` เมื่อต้องการคาบแม่นยำ และ SDK ในบทเรียนไม่มี `sensor_*_set_rate_hz`

2. โค้ด EMA ในหัวข้อ 3.2 คือ `ema = alpha * t + (1 - alpha) * ema` ถ้า ema = 20.0, alpha = 0.2 และค่าใหม่ t = 30.0 ค่า ema ใหม่เท่าใด (เป้าหมายข้อ 2)

   1. 22.0
   2. 30.0
   3. 26.0
   4. 20.0
   ดูเฉลย

   คำตอบ: A. 22.0

   0.2 × 30.0 + 0.8 × 20.0 = 6.0 + 16.0 = 22.0

3. ใน ring window ที่ `WIN_N = 32` ฟังก์ชัน `imu_window_full()` คืนค่า true เมื่อใด (เป้าหมายข้อ 3)

   1. ทุกครั้งที่ push ตัวอย่างใหม่
   2. เมื่อค่า `ax[0]` ไม่เป็นศูนย์
   3. เมื่อ `count` ≥ 32
   4. เมื่อ `head` กลับมาเป็น 0
   ดูเฉลย

   คำตอบ: C. เมื่อ `count` ≥ 32

   หัวข้อ 4.1: `imu_window_full` คืน `w->count >= WIN_N`

อ้างอิงบทเรียนนี้

ถ้านำบทเรียนนี้ไปสอน ทำสไลด์ หรือทำเอกสารต่อ ให้อ้างอิงด้วยข้อความนี้ ถ้าดัดแปลงเนื้อหา ให้เติม (ดัดแปลง)ต่อท้ายชื่อบทเรียน

"สตรีมเซ็นเซอร์ที่พร้อมสำหรับ Edge AI" จาก TESA Open Knowledge โดยสมาคมสมองกลฝังตัวไทย (Thai Embedded Systems Association: TESA) https://github.com/tesaiot/tesa-qualification-program สัญญาอนุญาต CC BY-NC 4.0

ข้อความอ้างอิงภาษาอังกฤษ: "AI-ready Sensor Streams" from TESA Open Knowledge by the Thai Embedded Systems Association (TESA), https://github.com/tesaiot/tesa-qualification-program, licensed under CC BY-NC 4.0

ลิงก์บทเรียน: https://tesaiot.github.io/tesa-qualification-program/courses/firmware-sdk-edge-ai/m05-sensor-data/l01-sensor-data-for-edge-ai/

บทเรียนนี้ดัดแปลงจากต้นฉบับด้านล่าง เมื่ออ้างอิงให้คงเครดิตต้นฉบับไว้ด้วย
https://github.com/drsanti/TESAIoT-Courses/blob/287c21814ba8c75f693136616dcd270349a15966/C1/M05/README.md · Original content by Asst. Prof. Dr. Santi Nuratch (ผศ.ดร.สันติ นุราช), KMUTT. Course 1 (C1/) of drsanti/TESAIoT-Courses. TESA funded the work and holds the rights; published here under CC BY-NC 4.0. The upstream repository carries no licence file. Text kept faithful; structure, front matter, quizzes and notes added by TESA Open Knowledge.

วิธีอ้างอิง TESA ฉบับเต็ม