057 TensorFlow Lite Micro的Image Classification项目：图像分类昨晚调试一块STM32H743的板子，跑MobileNetV1量化模型，分类结果死活是“咖啡杯”——明明对着的是我的键盘。折腾到凌晨两点，发现是输入图像的预处理顺序搞反了：RGB通道归一化在Resize之前执行，导致像素值被截断。这种坑，TFLM的官方文档里可不会写。项目骨架：从模型到部署的硬核路径Image Classification在TFLM里不是“跑个demo就完事”的玩具。你要面对的是：模型量化后的精度损失、内存碎片化导致的推理失败、以及摄像头数据流与推理引擎的时序耦合。先搭好项目结构：project/ ├── model/ # 量化后的.tflite模型 ├── src/ │ ├── main.cpp # 主循环：采集→预处理→推理→后处理 │ ├── image_provider.cpp # 图像源（摄像头/Flash/串口） │ ├── model_settings.h # 输入尺寸、类别名称、阈值 │ └── app_callback.cpp # 推理结果回调（别在这里做printf，会卡死） ├── tensorflow/ # TFLM核心库（别用git submodule，直接拷源码） └── platform/ # 板级支持包（CMSIS-NN加速、DMA配置）