# 10小时攻关，半小时Dev Time：在指甲盖大小的单片机上跑神经网络识别车库门

- 来源：Computing Life · 鸭哥
- 发布时间：2026-08-02T06:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48399
- 原文：https://yage.ai/esp32-garage-door-ai.html

## 摘要

作者用一块ESP32-CAM单片机加GPT-5.6 SOL，花了10小时做出一个能拍照识别车库门开关的传感器。AI自己标注了不对称的训练数据（车库门大部分时间关着，开门样本很少），用MobileNet V4（一个约90万参数的轻量卷积网络）做微调，推理一次200毫秒，拍照反而要400毫秒。直接int8量化后超过30%的分类结果反转，换成LSQ-base...

## 推荐理由

一篇很实在的嵌入式 AI 动手记录，模型选型、量化失败和延迟数据都给了，不是那种只讲成功不讲翻车的教程。缺点是话题偏个人 DIY，而且文章正文在量化细节处截断了，信息不完整。但因为三个维度都踩中了，还是值得推荐。

## 锐评

这篇文章讲了一个挺有意思的实战：作者用一块ESP32-CAM和GPT-5.6 SOL，花了10小时做出一个能拍照识别车库门开关的传感器。AI自己标注了不对称的训练数据（门大部分时间关着），用MobileNet V4（一个约90万参数的轻量卷积网络）做微调，推理一次200毫秒，比拍照的400毫秒还快。直接int8量化后超过30%的分类结果反转，换成LSQ-based QAT后精度只掉了8个点，最终部署到单片机上，每10分钟醒一次传结果。

作者把功劳主要归给两点：一是逼AI写了个能自己烧录、测试、读串口数据的闭环固件，让人不用守在电脑旁；二是人提前点出了数据不平衡和量化这两个坑，让AI少走弯路。这更像是一次“AI当高级技工，人当技术指导”的实验，而不是一个可复现的产品方案。

不过，正文没披露总成本，也没说这个传感器在真实环境里跑了多久、误报率如何。10小时是端到端开发时间，但前期监控录像的积累、本地Vision LLM的部署这些前置条件都没算进去。这点先别太激动，把它当成一个展示AI自主开发能力上限的案例看更合适。