从2000年起,传感器的作用承载的就是检测物理信号,然后提供给上层使用,所以它是单一的MEMS和模拟前端,在做一些数字电路的信号处理,然后直接把物理信号转成一电信号提供出来,相对功能比较单一。
在经历一定的发展后,我们可以定义它单一的硬件,集成更多的算法和软件的功能,去做一些定制化的配置,集成一些更丰富的功能,甚至可以在内部置入一颗可编程的处理器,去做算法的集成,实现更多的功能。
现在,边缘AI算法也可以集成到小小的传感器产品中,因为处理器功耗已经非常低,处理能力也可以实现AI算法的运行。所以在整个过程中,传感器这个单一的硬件慢慢承载了更多的任务,去做更智能的应用场景。
什么是边缘AI
传统的AI承载的就是信号的传递,它通过无线或者其他的方式把物理信号传递到网络端,网络端收到成百上千甚至上万个传感器的信号之后,可以对大数据做建模,在云端提供一些智能的响应、智能的策略。
“除了方案之外,其实边缘AI算法也可以集成到传感器本体中,因为传感器只要集成一个超低功耗的处理器,就可以实现此动作。”近日在第11届EEVIA年度中国硬科技媒体论坛暨产业链研创趋势展望研讨会上,Bosch Sensortec GmbH高级现场应用工程师皇甫杰表示,“这也是Bosch Sensortec现在正在做的事情。”
AI算法集成到器件中的好处
第一,可以在器件端做定制化或者个性化。需求是有差异的,对每个用户做适配,可让传感器识别精度适应到每个独立的用户。
第二,传感器的数据无需上传至云端,只存在设备本身,甚至传感器内部。这样可以保证传感器数据的安全性,或用户数据的安全性。
第三,实时响应,速度更快。无需将数据上传云端,再反馈到设备端,直接在器件中响应。
第四,进一步减少设备功耗,来延长电池的使用寿命或者电池的日常使用时间。
案例分享
BHI380传感器
Bosch BHI380(命名规则:B代表Bosch,H代表hub,I代表ACC和陀螺仪二合一的传感器)传感器的尺寸非常小,所以其可以应用在手机、手表、TWS耳机等电子产品。
据介绍, BHI380传感器的关键优势在于:
紧凑的尺寸,更便于集成到各类消费类电子产品中; 功耗非常低,因为它集成了一个超低功耗的处理器,这保证了在数据做融合时,功耗在一个毫安以下,达到微安级别。 通过内置处理器,集成一些基本的功能,比如集成了一些AI的算法。用户可根据Bosch提供的资源进行二次开发,集成自己的算法,以获得更高的扩展性。
BHI380传感器应用场景:
一是现在在TWS耳机中最常见的3D音效。它的原理就是检测用户的头部在转动时,所对应的音效场景,或者用户听到的声音,它的音响的位置不变,所以用户在转动头部时,耳朵听到一个立体声的效果,这是基于陀螺仪检测头部转动角度实现的。
二是手势的识别或者动作的识别。比如在走路、骑车、跑步,或者在坐车、坐高铁、坐飞机,这些场景都可以通过传感器的数据做融合来做识别。
三是人机交互。
四是PDR。PDR是步行导航,因为现在基本上人手一个智能手表,或者智能手机,可以基于ACC和陀螺仪的数据,结合Bosch的算法去做运动轨迹的记录。此记录无需GPS参与,包括在室内,比如在商场里,没有GPS信号,但可能会有一些内部地图,这时可以结合商场内部地图做路径规划。
五就是AI健身相关的记录,或者健身动作的追踪,包括游泳姿态的算法。
据介绍, Bosch传感器BHI380已集成了一些AI相关的运动监测相关算法,用户可在日常使用过程中,自行定义做一些健身的动作,或者用内部自带的动作。用户可以无缝去切换,不需要去干预手表,或者需要做不同的健身动作时,都不要在手表上做特定的设置。设备可以自动检测用户当前在做什么动作,做了多少次。
二是器件的功耗较上一代产品降低54%,它很适用于穿戴设备。
三是集成耳机检测用户头部追踪,得到立体声的效果。
这是个性化,也是AI算法的核心内容。 除了内嵌的十几个健身动作之外,用户可以定义新的健身或者其他的任何动作,这就是AI的典型学习能力。
BME 688四合一传感器
BME 688作为Bosch最新的四合一环境类传感器,它也是目前世界上最小的一颗四合一传感器,它里面集成了温度、气压、湿度、气体。基于此环境类传感器,可以给用户提供一个微环境的监测,甚至可以做一些微环境的天气预报预估,以及配合智能家居的联动等。
此传感器如何实现AI功能?
这颗传感器没有进一步集成控制器或者处理器,所以Bosch通过PC端提供一个AI学习的开发工具,用户可以基于此工具去做一些定制,或者应用场景定制。
根据案例介绍,因为用BME688可以检测不同的气体,主要是VOC类的气体,怎么做气体区分呢?第一步,用户定义好自己的气体种类,比如他想要检测某一种咖啡的气味,他就可以基于咖啡的目标气体,让传感器去采集目标气体的信号。数据收集到之后,在PC端有一个对应的简化工具,可以让用户基于采集到的目标气体的传感器信号,去做数据特征的捕捉。在捕捉到数据特征之后,结合工具生成一个数据模型,去对这种目标气体做识别。最后就是通过生成的模型,集成到客户算法中,就可以结合传感器的物理信号,在真实应用场景的中做功能的检测。
VOC气体应用领域特别广,如森林野火的检测,对人体有害的气体检测,对婴儿纸尿片的检测,在冰箱中检测食物新鲜程度,甚至还有室外空气指数的检测。
BME688工作原理是通过传感器内部去加热金属氧化物,来跟目标气体发生还原反应,在不同的温度点,它的还原反应的特征不一。所以通过采集多个温度点,对应的还原反应的电阻值,对特征做捕捉,捕捉到之后可以做区分。比如有三个挥发气体,它捕捉到的特征不一样,所以可以快速通过不同温度点,传感器报出来的电阻值做特征的模型建立。
气压传感器BMP581
因气压计在北美的手机里是标配器件,因为该地手机运营商要求所有手机在拨打报警电话时,必须要知道报警者的坐标,这就是通过气压计来识别的。
这边有一个实际的数据采集,左边是不同的楼层,气压计的变化很明显,右边是走楼梯的时采集到的气压计的变化。蓝色的是最新的BMP 581的数据,走到每一个台阶,气压计的数据变化跟台阶是一对一的。可以表明它的传感器噪声和数据是精度非常高的。
气压计在耳戴产品或者穿戴产品中,也有一些典型的场景,比如用户在佩戴智能耳机,在做俯卧撑的时候,气压计可以检测用户贴到地面或者撑起身体时的高度变化,来识别用户做了多少次俯卧撑。
还有用户做引体向上时也是同样的道理,可以检测到用户在拉伸或者双臂完全放直的高度差,通过气压计也能快速识别用户的拉伸动作。
此外,气压计涉及到的应用案例非常多,例如:配合GPS做高度的识别,因为GPS可能只是XY两个方向的识别,加上气压计还有高度的识别;还有卡路里计算和跌倒检测,因为我们可以利用手表或手机中内置的气压计,来识别出一个人跌倒时的高度变化;还有就是扫地机堵塞检测,也可以通过气压计来识别,因为一旦堵塞,气压会跟外界大气压有明显变化。