智能正在迅速從云端走向邊緣現(xiàn)在是時(shí)候開始了解智能實(shí)時(shí)系統(tǒng)

為智能實(shí)時(shí)系統(tǒng)做好準(zhǔn)備

智能正在迅速從云端走向邊緣?，F(xiàn)在是時(shí)候開始了解智能實(shí)時(shí)系統(tǒng)了。

美國國稅局即將到來!事實(shí)上，它已經(jīng)在這里，不幸的是，嵌入式系統(tǒng)工程師已經(jīng)被抓住并且打瞌睡。您可能已經(jīng)猜到了，我不是在談?wù)搩?nèi)部收入服務(wù)，而是智能實(shí)時(shí)系統(tǒng)(IRS)。智能實(shí)時(shí)系統(tǒng)是基于微控制器的設(shè)備，能夠通過運(yùn)行常駐人工智能算法(AI)學(xué)習(xí)使用數(shù)據(jù)。

團(tuán)隊(duì)可以通過兩種不同的方式在其產(chǎn)品中利用人工智能。第一個(gè)，也是過去十年中最現(xiàn)實(shí)的，一直是在云中執(zhí)行AI算法。云提供了一個(gè)獨(dú)特的平臺，與微控制器上的處理相比，處理能力似乎無限。機(jī)器學(xué)習(xí)(ML)算法可以提供有數(shù)據(jù)并且被訓(xùn)練以識別否則開發(fā)者幾乎不可能編程的模式(想想手寫字符識別)。

在云中使用機(jī)器學(xué)習(xí)的系統(tǒng)仍然可以使用實(shí)時(shí)嵌入式系統(tǒng)來收集數(shù)據(jù)，但是然后將該數(shù)據(jù)發(fā)送到云進(jìn)行處理，然后任何返回響應(yīng)將被中繼回嵌入式系統(tǒng)。正如讀者可以想象的那樣，這不是一個(gè)實(shí)時(shí)或確定的操作。但是，在可預(yù)見的未來，使用云已經(jīng)并將繼續(xù)在應(yīng)用程序中工作。

贊助商內(nèi)容Mouser為您提供的

多傳感器模塊緩解室內(nèi)農(nóng)業(yè)設(shè)計(jì)挑戰(zhàn)

使用多傳感器模塊，例如TE Con??nectivity的AmbiMate，是簡化基于受控環(huán)境農(nóng)業(yè)(CEA)的工程和發(fā)布技術(shù)以進(jìn)一步幫助和養(yǎng)活全世界的重要一步。

第二種方法通常是大多數(shù)系統(tǒng)無法實(shí)現(xiàn)的，它是處理數(shù)據(jù)并在微控制器上執(zhí)行機(jī)器學(xué)習(xí)算法。這是一個(gè)更有趣的解決方案，因?yàn)樗巳绻枰谠浦刑幚頂?shù)據(jù)則可能存在的延遲。由于以下幾個(gè)原因，這里的企業(yè)潛力巨大：

不再需要可降低物料清單(BOM)成本和系統(tǒng)復(fù)雜性的互聯(lián)網(wǎng)連接

降低云服務(wù)和數(shù)據(jù)處理計(jì)劃的運(yùn)營成本

離線產(chǎn)品差異化

減少加工延遲和能耗

提高產(chǎn)品可靠性和潛在安全性

在確定性的實(shí)時(shí)系統(tǒng)中使用機(jī)器學(xué)習(xí)

在撰寫本文時(shí)，圍繞AI的微控制器問題僅僅持續(xù)了大約一年。將智能推向邊緣似乎更適合應(yīng)用處理器，它比微控制器具有更強(qiáng)大的功能。那么我們真的有多接近智能實(shí)時(shí)系統(tǒng)?

答案將根據(jù)您與誰交談以及最終應(yīng)用程序的不同而有很大差異，但讓我提供一些當(dāng)前可供開發(fā)人員使用的快速示例。

首先，ARM發(fā)布了CMSIS-NN，這是一個(gè)C庫，用于在Cortex-M處理器上運(yùn)行低級優(yōu)化的神經(jīng)網(wǎng)絡(luò)算法。這允許開發(fā)人員設(shè)計(jì)和訓(xùn)練他們的高級機(jī)器學(xué)習(xí)算法，然后將它們部署到微控制器上。這可以被認(rèn)為是在沒有云的情況下以有效的方式運(yùn)行機(jī)器學(xué)習(xí)的必要基礎(chǔ)。

其次，已經(jīng)有幾種產(chǎn)品可以在資源受限的環(huán)境中利用CMSIS-NN。一個(gè)很好的例子是OpenMV，它是一個(gè)基于STM32的相機(jī)模塊，并為諸如“”之類的功能提供本地處理。

機(jī)器視覺是許多實(shí)時(shí)嵌入式系統(tǒng)所需的領(lǐng)先智能功能。

相關(guān)文章：

在Cortex-M處理器中使用ARM TrustZone的5個(gè)技巧/ a>

深入研究ARMv8-M的TrustZone

5學(xué)習(xí)Python的資源

最后，幾家不同的硅制造商正在建立基礎(chǔ)設(shè)施，以便在微控制器上更容易獲得機(jī)器學(xué)習(xí)。ST Microelectronics于2019年1月剛剛宣布推出STM32CubeMX AI擴(kuò)展，為AI提供神經(jīng)網(wǎng)絡(luò)工具箱。這些類型的工具不僅可以在微控制器上訪問AI，而且可以快速推動可開發(fā)系統(tǒng)類型的革命，并且可能很好地挑戰(zhàn)許多公司目前正在為其產(chǎn)品實(shí)施的業(yè)務(wù)模型。

正如我們所看到的，情報(bào)正在迅速從云端走向邊緣。雖然可能有些人一直希望邊緣的情報(bào)只是一種營銷時(shí)尚而且會逐漸消失，但技術(shù)事實(shí)很快就表明，如果這些功能尚未推出，這些功能很快就會推出?，F(xiàn)在是時(shí)候開始了解這些技術(shù)，以及如何將它們集成到您的路線圖中，為時(shí)已晚。

Jacob Beningo是一名嵌入式軟件顧問，目前與十幾個(gè)國家的客戶合作，通過提高產(chǎn)品質(zhì)量，成本和上市時(shí)間來大幅改變他們的業(yè)務(wù)。他發(fā)表了200多篇關(guān)于嵌入式軟件開發(fā)技術(shù)的文章，是一位廣受歡迎的演講者和技術(shù)培訓(xùn)師，擁有三個(gè)學(xué)位，其中包括密歇根大學(xué)的工程碩士學(xué)位。請隨時(shí)通過jacob@beningo.com或他的網(wǎng)站與他聯(lián)系，并注冊他的每月Embedded Bytes時(shí)事通訊。