技术咨询
代买器件
商务客服
研发客服人工智能、云计算、边缘计算之后，一个新的词汇——（Edge AI）出现了。相比于传统的云端AI，具有将计算和推断能力推向离数据源更接近的位置的优势，可以提供了更快速、更安全、更隐私保护的数据处理和决策能力，使得人工智能能够更好地应用于各种边缘设备和应用场景中。
本文引用地址：解决方案在工业领域的应用
边缘AI可以说是边缘计算和AI的结合体，其解决方案通过实现实时监控正在改变工业部门。通过对比了解并探索30多个应用案例，发现边缘人工智能解决方案实现了更高效、更主动和更高数据驱动的运营，并有助于提高安全性、减少或防止停机、优化生产及加强质量控制，通过实时分析来自智能传感器的振动、声音或温度等数据，边缘人工智能解决方案实现了预测性维护解决方案。
针对于此，公司研发出基于云连接的边缘处理解决方案SL-PREDMNT-E2C1，用于工业电机状态监测。该解决方案将的运动和环境传感器、M32F4微控制器（MCU）和STM32MP157微处理单元（MPU）组合在同一状态监测和预测性维护框架中。它将智能传感器节点连接到云服务，如数据湖和监测仪表板。
智能传感器节点包括选定的环境和各个振动传感器、一个STM32 MCU，以及多个连接接口。这些节点放置在工业机械的上部或周围，用于收集来自LPS22HB和HTS221传感器的温度、压力和湿度数据，以及来自IIS3DWB三轴加速度计的振动数据。同一传感器节点的STM32 MCU启动边缘处理，将振动信号转换为频域和时域数据。
将来自最多四个传感器节点的数据合并后，通过集中器被路由到一个配备STM32MP157 MPU的网关，以供进一步的边缘处理。在将所有数据发送到基于服务器或基于云计算的系统，以供进一步分析之前，该节点将对数据进行提纯和整合。
ST提供预测性维护仪表板应用程序，以演示云功能如何使该解决方案变得完整。仪表板配置运行AWS IoT Greengrass服务和AWS IoT核心的边缘网关节点。客户可以在仪表板上绘制状态数据曲线并进行监测，并将警告阈值配置为端到端预测性维护解决方案的一部分。
音频场景分类(ASC)可使对象更智能，并使其能够感知用户环境。这可以将可穿戴设备、安全、环境监控、医疗保健和许多其他应用中的功能与用户体验提升到新的水平。挑战在于简化软件开发和硬件设计，尤其是对于处理能力、内存和功率受到限制的便携式或可穿戴设备。通过在高性价比、超低功耗STM32微控制器上利用人工智能，我们的解决方案解决了成本与设计问题。
该系统通过两个MP34DT05数字MEMS全向麦克风来捕获环境声音，以确保精确的声音传感，并通过STM32L475VG微控制器实现高效处理。这款超低功耗MCU具有信号处理外设和浮点单元(FPU)，以便实现快速AI软件执行。FP-AI-SENSING软件为涉及神经网络库（由STM32CubeMX的X-CUBE-AI扩展生成）的ASC配置解决方案。
STM32WB55VGY提供兼容Bluetooth®低功耗SIG规范5.2的超低功耗无线连接。通过面向Android和iOS设备的适当应用程序，如意法半导体BLE传感器应用程序（版本 4.1.0或更高版本），可通过蓝牙将算法输出传输到智能手机。该应用程序可显示所产生的声学场景分类和推断，以及记录在ASC系统上并用于AI再训练的活动数据。
从而产生了基于AI神经网络技术的高性价比低功耗音频场景分类解决方案。它使用户能够借助智能手机应用程序根据环境音频数据来识别环境（例如，室内、室外、车内等）。
关于STM32MP157 MPU的相关白皮书下载：
·
关于Arm Cortex-M4 MCU的相关白皮书下载：
边缘AI解决方案在智能家居领域的应用
在智能家居方面，它们可以帮助预测设备何时可能发生故障，从而在故障发生前进行主动维护。Edge AI解决方案，如智能运动传感，可用于智能工厂和智能家居的各种设置。它们可以用于减少空置空间的能源消耗、优化房间利用率和保护特定区域等。
ST公司研发出运动感应应用解决方案SL-SNMTS011601V1，利用边缘AI识别人类活动。这种使用人工智能（AI）和机器学习（ML）模式算法的解决方案实时检测人体运动，其通过无线连接在智能手机或手持电子设备上显示活动信息。该应用程序使用超低功率、高精度LSM6DSL 6DoF惯性测量单元（IMU）来收集运动数据，这些数据被发送到具有单精度浮点单元（FPU）和ST的自适应实时加速器（ART accelerator™) 运行基于人工神经网络的三种不同模式识别算法之一（FP-AI-SENSING1）用于实时人类活动识别（HAR）。
相关文章
