恒经伟润一面面经

为中小型仓库、便利店打造便携式嵌入式 AI 盘点设备，基于轻量化嵌入式视觉芯片，部署极简物体分类与计数 AI 模型。手持设备实时拍摄货架商品、物料画面，本地快速完成物品分类、数量统计、错放识别，自动区分不同品类货物，标记摆放错乱、缺货空位区域。模型针对包装、物料外观特征专项优化，适配室内灯光多变环境，本地数据实时生成简易盘点报表，支持离线导出数据。设备轻量化便携、续航持久，操作简单无需专业人员，替代人工手写盘点，大幅提升效率。纯边缘端运算保障仓储物资数据安全，硬件成本低廉，嵌入式 AI + 仓储落地场景明确，适合应用型项目开发与小微企业改造。

嵌入式 AI 项目不在多，而在“有没有真实落地价值”。相比纯算法项目，更推荐做那些能在设备上跑起来、有优化过程、有明确指标的项目。比较值得做的方向有：实时目标检测：在树莓派或 Jetson 上部署 YOLO，做量化和加速，实现稳定帧率语音识别 / 关键词唤醒：在 MCU 或低功耗设备上跑轻量模型，突出功耗与响应速度智能摄像头：结合摄像头 + AI，实现人脸识别或行为检测，打通完整数据链路工业/传感器异常检测：用时序数据做简单模型，并在嵌入式端实时推理这些项目的共同点是：模型 + 优化 + 部署 + 实际效果完整闭环。只要能把这条链路讲清楚，并给出性能数据（延迟、内存、功耗），含金量就会很高。

面向工控、新能源设备运维场景，基于ESP32-S3 + 轻量化时序 AI 模型开发嵌入式故障预测终端。采集电机、电源、变频器等工业设备的电流、电压、运行时序数据，利用轻量 LSTM 时序神经网络学习设备正常运行特征，本地实时推演设备老化、线路短路、负载异常等潜在故障。摒弃传统事后检修模式，实现提前预警、趋势分析，支持故障等级分级提示。模型经过轻量化裁剪，适配 MCU 有限算力，采用本地边缘计算，断网环境下稳定工作，可通过 LoRa、蓝牙实现多节点组网。硬件模块化设计，可直接外挂各类工业设备快速改造，广泛适配智能制造、电力运维场景，兼具实用性与工业项目改造价值。

项目本科学的课程对项目的帮助，理论如何指导实践？所用芯片的ram，flash是多少？freetos是你移植的吗？任务响应延迟降低30%是说裸机和freertos之间的区别吗？为什么引入看门狗？程序卡死之后有没有读寄存器或栈信息定位问题？看门狗周期是多少？谁去执行喂狗操作？看门狗底层有了解吗？对SPI的了解？使用SPI通信有没有遇到过一些困难/奇怪的问题？姿态角解算算法迭代完成了哪些内容？如何优化双环PID的？讲一下双缓冲DMA用最小二乘法整定参数，这些数据是从哪来的？git别人先提交了，push的时候产生冲突了怎么办？有没有办法规避冲突？说说freertos的任务调度？任务之间通信有哪些方法？...