本文是 Nordic nRF54LM20-DK新款获奖物联网开发套件系列教程的第四篇。
本次基于 Axon NPU 的分类演示程序，是一款多类别分类模型，能够根据快递包裹运输过程中的加速度幅值采样数据，识别包裹所处的运输状态，可识别状态如下：
- 静止
- 晃动
- 撞击
- 自由坠落
- 人工搬运
- 车载运输
- 静置摆放
该应用场景具备诸多实用价值，包括但不限于：
- 检测物流运输过程中的野蛮装卸行为与货物潜在损坏风险
- 监控包裹配送质量及各类物流运输状态
- 包裹遭遇撞击、自由坠落时触发告警
- 全程追踪包裹在整个配送生命周期内的状态变化
本文仅简要讲解静止状态（即静置状态），其余各类状态不再展开说明，精简文章篇幅。
静止状态特征
- 加速度数值稳定聚集在1000 毫重力加速度（重力基准值）附近
- 连续采样数据波动极小，整体处于稳定静态
- 加速度无明显尖峰突变、无剧烈波动
- 对应场景：包裹静置在平面（货架、桌面、地面、静止货车内）
适用场景
- 包裹存放于仓库，待发货运输
- 配送车辆停靠期间，车内静置的包裹
- 包裹送达客户收货地点
- 包裹放置于货架、桌面
该状态数据基准稳定、噪声极小，符合经典牛顿引力场常规数据特征，数据波形参考下图。
程序编译部署步骤
按照以下步骤编译本次包裹状态分类演示程序：
- 激活虚拟环境
~/DigiKey_Coffee_Cup/Nordic/$ source venv/bin/activate
- 启动指定版本开发工具链终端
(venv)~/DigiKey_Coffee_Cup/Nordic/$ nrfutil sdk-manager toolchain launch --ncs-version v3.3.0-preview2 --shell
Initializing shell environment!
(v3.3.0-preview2)
系统提示：正在初始化终端环境！切换至版本：v3.3.0-preview2
- 编译工程应用
(v3.3.0-preview2) ~/DigiKey_Coffee_Cup/Nordic/$ west build -p always -b nrf54lm20dk/nrf54lm20b/cpuapp edge-ai/samples/nrf_edgeai/classification/
...
[260/260] Linking C executable zephyr/zephyr.elf
Memory region Used Size Region Size %age Used
FLASH: 56416 B 1940 KB 2.84%
RAM: 8720 B 511 KB 1.67%
IDT_LIST: 0 GB 32 KB 0.00%
...
- 硬件连接用 USB 线连接电脑与本次 Nordic nRF54LM20-DK 新款获奖物联网开发套件。
- 打开 minicom 串口终端，烧录程序
(v3.3.0-preview2) ~/DigiKey_Coffee_Cup/Nordic/$ west flash
在串口终端中，将会运行显示 Axon NPU 分类演示程序。
程序会完成神经网络初始化，对覆盖全部包裹状态的7 组典型测试用例执行推理运算，并验证模型分类准确率。程序每处理完一组包含 50 个采样点的加速度数据窗口，模型就会输出对应预测结果，以及所有类别对应的预测概率。该模型仅依靠单组窗口数据即可完成预测，无需额外上下文信息；每一组窗口最终输出的分类结果，为置信概率最高的类别。
至此，基于 Nordic IOT平台、直接调用 Axon NPU 驱动实现的包裹状态分类演示全部完成。敬请关注本系列后续教程。这款斩获 2026 嵌入式世界展览会奖项的 Nordic nRF54LM20-DK 物联网开发套件，现已在得捷电子（DigiKey）上架开售。