Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: Bc. Daria Kinash
Acad. year: 2025/2026
Supervisor: Ing. Josef Strnadel, Ph.D.
Reviewer: Ing. Václav Šimek
Deploying machine learning on microcontrollers enables real-time inference without connectivity, but requires careful design choices. This thesis presents an end-to-end implementation of machine learning for real-time wrist gesture recognition on the NXP i.MX RT1050 microcontroller. A compact one-dimensional convolutional neural network and five classical classifiers were trained, quantized, deployed on the target hardware, and evaluated for accuracy, inference latency, and memory consumption. The baseline CNN achieved 94.3 % test accuracy on a custom two-subject dataset. Full int8 quantization reduced SRAM consumption by 75 % with an accuracy change of only +0.4 percentage points, and average on-board inference time is 13 199 𝜇s, under 2 % of the available time budget. Among the classical models the decision tree achieved the fastest inference (221 𝜇s) with under 10 KB of flash. A hyperparameter study on the UCI Human Activity Recognition benchmark validated the pipeline and showed that optimal settings differ between large and small datasets. On the two-subject gesture data, logistic regression matches the best CNN result, while cross-subject testing yielded only 34.7 % accuracy, identifying the small training corpus as the main limitation.
machine learning, embedded systems, microcontroller, TinyML, TensorFlow Lite Micro, LiteRT, gesture recognition, 1D convolutional neural network, quantisation, NXP i.MX RT1050, inertial measurement unit
Date of defence
16.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
B
Process of defence
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm B.
Topics for thesis defence
Language of thesis
English
Faculty
Fakulta informačních technologií
Department
Department of Computer Systems
Study programme
Information Technology (BIT)
Composition of Committee
doc. Ing. Jan Kořenek, Ph.D. (předseda) doc. Ing. Ondřej Lengál, Ph.D. (místopředseda) Ing. Bohuslav Křena, Ph.D. (člen) Ing. Šárka Květoňová, Ph.D. (člen) Ing. David Bařina, Ph.D. (člen)
Supervisor’s reportIng. Josef Strnadel, Ph.D.
S přihlédnutím k
navrhuji ohodnotit práci studentky a její výsledek stupněm A.
Studentka prokázala schopnost samostatně využívat vedoucím doporučené i vlastním úsilím nalezené informační zdroje související s řešeným tématem, mj. orientovat se v nich, čerpat z nich a vhodně využívat informace v nich obsažené k řešení daného tématu.
Dané téma začala studentka zpracovávat včas, řešení průběžně konzultovala a informovala o dílčích pokrocích, o problémech a možných východiscích z nich, i o dalším směřování řešení. Studentka pracovala samostatně, na konzultace byla vždy výborně připravena.
Výsledek práce studentky (tj. realizační výstup a technická zpráva) mi byl předkládán ke konzultacím průběžně; jeho konečná podoba mi byla předložena v dostatečném předstihu, umožňujícím mi připomínkovat ji před odevzdáním.
-
Grade proposed by supervisor: A
Reviewer’s reportIng. Václav Šimek
Při celkovém pohledu se bezesporu jedná o velmi zdařile zvládnutou bakalářskou práci. Pouze drobné nedostatky na úrovni dokumentační stránky projektu a širšího výběru cílových vestavěných platforem brání udělení lepšího hodnocení, které navrhuji na úrovni stupně B - velmi dobře, 85 bodů.
Evaluation level: moderately difficult assignment
Posuzovaná bakalářská práce se zabývá nasazení technik strojového učení a metod umělé inteligence pro účely detekce gest v prostředí vestavěných systémů. V těchto případech bývají typicky k dispozici velmi omezené zdroje a dostupný výpočetní výkon, což klade nemalé nároky na výslednou implementaci. V současné době je však k dispozici pestrá škála různých frameworků a nástrojů, které tento proces do značné míry usnadňují. Tím pádem bych si dovolil náročnost zadání označit za obvyklou. Nicméně se jedná o téma velmi aktuální a navíc z oblasti, která prochází velmi dynamickým rozvojem.
Technická zpráva je rozdělena do celkem 8 kapitol řazených v logickém sledu. Jednotlivé části na sebe bez problémů navazují. Ocenil bych především úvodní rešerši, která celou práci hezky zasadí do kontextu. Stejně tak vyhodnocení dosažených výsledků má výbornou úroveň.
Přijde mi, že v 6. kapitole je pozornost převážně věnována procesu trénování, přičemž ohledně konkrétních implementačních detailů (struktura firmware, jeho rozdělení do úloh v rámci implementace pod Free RTOS a podobně) na zvolené výpočetní architektuře se zde čtenář příliš informací nedozví. Stejně tak konkrétní podoba detekovaných gest zde není blíže dokumentována.
Kromě toho je škoda, že u jinak velmi dobře zpracované technické zprávy chybí popis obsahu elektronického datového média a návod ke zprovoznění realizačního výstupu. Tyto chybějící aspekty pak zbytečně kazí jinak vesměs velmi dobrý dojem.
Technická zpráva je napsána velmi pěknou angličtinou, kdy jsem nenarazil na žádné nedostatky hodné zvláštního zřetele. To stejné v zásadě platí i z pohledu formální úpravy. Vcelku by mě ale zajímalo, zda vůbec a případně v jakém rozsahu bylo pro úpravu textu použito nástrojů na bázi AI metod (LLLM, Grammarly a podobně).
Realizační výstup naplňuje intence zadání a považuji tuto složku posuzované bakalářské práce za velmi kvalitně zpracovanou. Nezbývá si než postesknout, že v průběhu fáze sběru trénovacích dat nebylo k dispozici vícero různých subjektů, případně pro účely srovnání nebyla zvolena alespoň jedna další vestavěná platforma s hardwarovým akcelerátorem AI výpočetních paradigmat (např. mikrokontrolér MCXN947).
Domnívám se, že je možné uvažovat o využití dosažených výsledků v oblasti výuky ve spojitosti s vestavěnými řešeními na bázi mikrokotrolérů či real-time operačními systémy. Možné jsou i aplikace v oblasti tzv. nositelné elektroniky, pokud by se podařilo řešení zde koncipované na bázi vývojové desky pro mikrokontrolér RT1050 zmenšit např. do podoby přípravku umístěného na zápěstí.
Evaluation level: assignment fulfilled
Domnívám se, že požadavků stanovených zadáním bylo v úplnosti dosaženo.
Evaluation level: is within the usual extent
Zde nemám připomínek, přičemž šíři výběru informačních zdrojů a jejich využití v rámci vypracování tohoto zadání bakalářské práce považuji za bezproblémové.
Grade proposed by reviewer: B
Responsibility: Mgr. et Mgr. Hana Odstrčilová