意法半導體的MEMS和傳感器機器學習生態系統將多種硬體與軟體工具相結合,幫助設計人員藉助傳感器邊緣人工智慧通過基於決策樹分類器的機器學習算法來實現手勢與活動識別。
因此,物聯網解決方案開發人員可以在快速原型製作環境中部署我們的任意(內嵌機器學習內核的(MLC))傳感器,以便快速開發超低功耗物聯網 (IoT) 應用。藉助內置的低功耗傳感器設計、高級AI事件檢測、喚醒邏輯和實時邊緣計算功能,傳感器中的MLC可減少系統數據傳輸量,降低網絡處理負擔。
附加價值:
- 降低功耗
- 提高精度(環境檢測能力)
- 邊緣到邊緣的AI
內嵌機器學習內核的傳感器
產品編號 | 應用 | 系列 | 機器學習內核 (MLC) | 滿量程 | 溫度範圍 | 功耗 |
LSM6DSOX | 消費電子 | iNEMO慣性模塊 (IMU) | 256個節點 | ±2000 dps,±16 g | -40 °C至+85 °C | 0.55 mA(組合模式) |
LSM6DSO32X | 消費電子 | iNEMO慣性模塊 (IMU) | 256個節點 | ±2000 dps;±32 g | -40 °C至+85 °C | 0.55 mA(組合模式) |
LSM6DSRX | 消費電子 | iNEMO慣性模塊 (IMU) | 512個節點 | ±4000 dps,±16 g | -40 °C至+85 °C | 1.2 mA(組合模式) |
ISM330DHCX | 工業 | iNEMO慣性模塊 (IMU) | 512個節點 | ±4000 dps,±16 g | -40 °C至+105 °C | 1.2 mA(組合模式) |
IIS2ICLX | 工業 | 加速度計 | 512個節點 | ±3 g | -40 °C至+105 °C | 0.42 mA |
ASM330LHHX | 消費電子 | 汽車電子 | 512個節點 | ±4000 dps,±16 g | -40 °C至+105 °C | 0.8 mA(組合模式) |
意法半導體傳感器中的機器學習內核
意法半導體內嵌機器學習內核的最新一代傳感器由三個模塊組成。
內置傳感器(加速度計和陀螺儀)會過濾實時運動數據,再將其發送至計算模塊,並在其中將定義為“特徵”的統計參數應用於收集的數據。然後,將計算模塊中聚合的特徵用作第三個模塊的輸入。決策樹將評估統計參數並將這些參數與特定閾值進行比較,以識別特定情況並生成發送至MCU的分類結果。
開始使用:通過機器學習監督方法來構建決策樹
意法半導體內置機器學習內核的MEMS傳感器為開發人員提供廣泛的設計可能性,使其能夠創建自己的嵌入式機器學習算法,並為應用構建最佳決策樹。
使用我們推薦的工具,分五個步驟構建決策樹
1、收集數據
對於任何機器學習分類,第一步都是為要建模的運動相關應用收集代表性數據集。傳感器數據可以使用多種應用程序(如Unico-GUI、ST BLE Sensor應用)或只使用AlgoBuilderSuite,並搭配不同的硬體設備進行收集和標記,所用硬體設備可以是ProfiMEMS開發板 (STEVAL-MKI109V3)、SensorTile.Box、Nucleo板或STWIN等,具體取決於所選的傳感器。
物理參數包括加速度、溫度、聲音、壓力和磁場等,取決於具體應用。
2、對數據和配置特徵進行標記和過濾
在收集數據後,會為與識別的結果有關的每種統計數據模式分配一個標籤,如“慢跑”或“失效模式”。然後,可以配置計算模塊(即過濾器和特徵)。特徵為根據指定的時間窗口中的輸入數據(或濾波後的數據)計算出的統計參數,時間窗口可由用戶根據具體應用設置。
3、構建決策樹
使用機器學習工具(如Unico-GUI、Weka、Rapidminer、Matlab、Python)執行數據挖掘任務,以生成設置並確定訓練數據集的限制,從而構建可識別待檢測運動數據類型的決策樹。
5、使用經過訓練的決策樹處理新數據
最後,當器件編程完成後,可以在應用中使用指定的經過訓練的決策樹處理機器學習內核結果。
進一步了解決策樹生成
工具和軟體
機器學習入門的最佳方法為,藉助意法半導體輔助性工具和軟體,為具體應用選擇適當的解決方案。
MEMS和傳感器機器學習生態系統產品圍繞以下三個目標構建:
專業MEMS工具可以幫助工程師監控意法半導體MEMS傳感器的行為,從而縮短上市時間,並最大限度地提高新產品設計的性能。
意法半導體的MEMS與傳感器評估套件包括3個主要組件:
- 專業母板,基於高性能32位微控制器
- 全套適配器板,用於評估意法半導體的任何MEMS傳感器
- 直觀的圖形用戶界面軟體包,用於實時訪問傳感器配置寄存器並進行傳感器數據分析。
產品評估適配器板
軟體
2、開發
STM32開放式開發環境將STM32 32位MCU系列與MEMS傳感器和其他通過擴展板連接的意法半導體組件集於一身,為開發基於MEMS的應用提供了一種簡單、靈活的開放式方法。
STM32 Nucleo板與擴展板組合使用,可形成一種統一的可擴展方案,為應用開發提供了無限可能。
圖形用戶界面 (GUI) 軟體功能齊全,可對機器學習開發與傳感器數據分析進行管理。
此外,我們還提供一套功能包,在單個軟體包中囊括了底層驅動、中間件庫和示例應用。功能包有助於快速啟動預集成傳感器應用實例的實施和開發。
STM32 Nucleo擴展板
軟體
功能包
3、構建原型
我們的小尺寸參考設計套件針對基於運動和環境傳感器數據的先進消費類應用和工業IoT應用,可簡化此類應用的原型設計與測試。
為快速構建原型,可以選擇意法半導體的小尺寸板,這種即用型開發套件可簡化先進應用的原型設計,幾乎不需要甚至完全不需要編寫代碼。
這些板件可在圖形用戶界面 (GUI) 支持下實現傳感器數據分析,並可與智慧型手機應用程序綁定。功能包帶預集成示例,可以幫助用戶構建自定義應用。
評論