Gdyby tylko urządzenia mogły myśleć…
Sztuczna inteligencja na brzegu sieci
Sztuczna inteligencja (AI) to zestaw systemów urządzeń i oprogramowania mogących tworzyć jednostki obliczeniowe wykazujące się możliwościami, które dla przeciętnego ludzkiego obserwatora, wydają się imitować możliwości poznawcze ludzi.
Wykorzystuje ona zestaw metod obliczeniowych inspirowanych naturą, aby aproksymować kompleksowe problemy świata rzeczywistego, dla których matematyczne lub tradycyjne modelowanie okazało się być nieskuteczne lub niedokładne. Sztuczna inteligencja wykorzystuje aproksymację sposobu, w jaki rozumuje ludzki mózg, wykorzystując niedokładną i niekompletną wiedzę do działania w sposób adaptacyjny dzięki budowanemu z czasem doświadczeniu.
Uczenie maszynowe (jeden z komponentów sztucznej inteligencji) tworzy rozwiązania dla różnorodnych problemów, z którymi stykamy się w codziennym życiu. W tym celu wykorzystywane mogą być dane dostarczane przez czujniki obecne w naszym środowiskach, domach, biurach, pojazdach, fabrykach i rzeczach osobistych. Szeroko zakrojony model przyjmuje, że surowe dane z czujników są przesyłane do potężnego zdalnego centrum obliczeniowego (chmury), dlatego występuje zapotrzebowanie na bardzo wysoką przepustowość i moce obliczeniowe. Taki model ograniczałby możliwości reakcji, jeżeli uwzględni się potrzebę przetwarzania dźwięku, wideo lub plików obrazów z setek milionów urządzeń końcowych.
Przechodzenie od scentralizowanego do rozproszonego system inteligentnego
Sztuczna inteligencja pozwala na tworzenie dużo bardziej wydajnych rozwiązań końcowych, kiedy analiza realizowana w chmurze jest przenoszona bliżej lokalizacji, w których znajdują się czujniki i urządzenia realizujące działania. Takie rozproszone podejście znacząco ogranicza zapotrzebowanie na przepustowość łącza na potrzeby transferu danych oraz wymagania w zakresie możliwości przetwarzania przez serwery w chmurze, umożliwiając tym samym realizację nowoczesnych funkcji obliczeniowych na obrzeżach sieci. Oferuje ono także korzyści w zakresie zabezpieczenia danych użytkownika, ponieważ źródła danych prywatnych są wstępnie analizowane i dostarczane dostawcom usług na wyższym poziomie interpretacji.
Firma ST jest aktywnie zaangażowana w prace badawcze w zakresie sztucznej inteligencji (AI) i oferuje różnorodne rozwiązania na rzecz implementacji rozwiązań sztucznej inteligencji w urządzeniach Internetu rzeczy (IoT) na brzegu sieci (systemy węzłów czujników) a nawet w samych obwodach scalonych czujników.
Dzięki nowemu zestawowi rozwiązań sztucznej inteligencji od ST, użytkownicy mogą mapować i uruchamiać wstępnie wyuczone sztuczne sieci neuronowe (ANN), wykorzystując szeroką gamę mikrokontrolerów STM32 dostarczanych w pakiecie rozszerzeń STM32Cube.AI, implementując sztuczną inteligencję w mikrokontrolerach opartych na STM32 Arm® Cortex®-M.
STM32Cube.AI:
- Jest rozwiązaniem interoperacyjnym, wykorzystującym popularne narzędzia do głębokiego uczenia, na przykład: TensorFlow Lite, Keras, Caffee, Lasagne, ONNX itp.
- Jest kompatybilne z wieloma IDE i kompilatorami
- Pozwala na selekcję czujników i RTOS
- Pozwala na uruchamianie wielu sztucznych sieci neuronowych (ANN) na jednym mikrokontrolerze STM32
- Gwarantuje pełne wsparcie dla mikrokontrolerów STM32 o ultra niskim poborze mocy
- Wykorzystuj potęgę głębokiego uczenia do zwiększenia wydajności przetwarzania sygnałów i zwiększenia produktywności w aplikacjach STM32. Twórz i mapuj sztuczne sieci neuronowe (ANN) na STM32 (automatycznie generowany zoptymalizowany kod) zamiast ręcznego tworzenia kodu.
ST oferuje zaawansowane czujniki MEMS, takie jak IMU LSM6DSOX, LSM6DSRX i przemysłowe ISM330DHCX. Takie urządzenia (a także każde przyszłe urządzenie MEMS z X na końcu numeru części) oferują funkcje cyfrowe zoptymalizowane pod kątem uruchamiania algorytmów uczenia maszynowego, które pozwalają na współdzielenie danych przetwarzanych między IMU i procesorem hosta. Takie podejście pozwala na dalszą redukcję poboru mocy przez system, ponieważ w typowych zastosowaniach czujnik ASIC może pobierać nawet do 0,001 mocy niezbędnej dla mikrokontrolera. Dowiedz się więcej o zintegrowanych automatach skończonych (FSM) i rdzeniach uczenia maszynowego (MLC) w IMU i powiązanych narzędziach rozwojowych - patrz odnośniki do uwag dotyczących zastosowania poniżej.
- Uwagi dotyczące zastosowania AN5259
- Uwagi dotyczące zastosowania AN5273
Gromadzenie danych w zastosowaniach Przemysłu 4.0 jest istotną częścią procesu monitorowania i pozwala gwarantować płynną pracę maszyn na hali zakładu produkcyjnego. Techniki nieustannego monitorowania stanu są zwykle wykorzystywane w kompresorach, pompach i silnikach.
Predykcyjne utrzymanie ruchu (PdM) jest oparte na monitorowaniu stanu, wykrywaniu odbiegających od normy warunków i algorytmach klasyfikacji oraz integruje modele predykcyjne, które pozwalają identyfikować i weryfikować pozostały czas żywotności eksploatacyjnej maszyny na podstawie wykrytych warunków odbiegających od normy. W takim podejściu wykorzystywana jest szeroka gama narzędzi - na przykład analiza statystyczna i uczenie maszynowe - do monitorowania stanu urządzeń.
Nasze mikrokontrolery o ultra niskim poborze mocy oparte na STM32 Arm® Cortex® M4/M33/M7 oraz serie mikroprocesorów STM32 Arm® Cortex®-A7® obsługujące operacje zmiennoprzecinkowe mogą przetwarzać dane na obrzeżach sieci. Pakiet narzędzi STM32Cube.AI pozwala na integrację sieci neuronowych i uczenia maszynowego na potrzeby implementacji podejścia wykorzystującego deep learning.
ST oferuje wysokowydajne i niedrogie czujniki z 10-letnią gwarancją dostaw (program długofalowy), włączając w to akcelerometry i ultradźwiękowe mikrofony analogowe, które pozwalają na prowadzenie analizy drgań, poczynając od prostego monitorowania typu pass/fail, po wysoce dokładną, opartą na częstotliwości analizę danych oraz gamę czujników środowiskowych: temperatury, wilgotności i ciśnienia.
Rozwiązanie STM32 na potrzeby łączności
Portfolio mikrokontrolerów (MCU) STM32 obejmuje także rozwiązania do łączności bezprzewodowej, w tym nasze układy SoC STM32WL o ultra niskim poborze mocy: STM32WL oraz serie dwurdzeniowych mikrokontrolerów STM32WB.
Układ SoC STM32WL jest platformą mikrokontrolera obsługującą wiele protokołów i otwartą łączność bezprzewodową, która umożliwia uruchamianie protokołu LoRaWAN® poprzez modulację LoRa®, a także innych protokołów ad-hoc opartych na modulacjach LoRa®, (G)FSK, (G)MSK lub BPSK. Wieloprotokołowa, bezprzewodowa platforma mikrokontrolera STM32WB pozwala jednocześnie uruchamiać protokoły komunikacyjne Bluetooth™ 5.0, OpenThread, ZigBee 3.0 i IEE 802.15.4.
Zobacz prezentacje:
- Mikrokontroler serii STM32WL – bezprzewodowy układ SoC o długim zasięgu
- Mikrokontroler serii STM32WB – z wbudowanym modułem Bluetooth 5.0 i IEEE 802.15.4
STM32Cube.AI
Dzięki nowemu zestawowi rozwiązań sztucznej inteligencji od ST, użytkownicy mogą mapować i uruchamiać wstępnie wyuczone sztuczne sieci neuronowe (ANN), wykorzystując szeroką gamę mikrokontrolerów STM32.
STM32Cube.AI to pakiet rozszerzeń dla znajdującej szerokie zastosowanie konfiguracji STM32CubeMX oraz narzędzie do generowania kodu z wykorzystaniem rozwiązań sztucznej inteligencji (AI) w mikrokontrolerach opartych na STM32 Arm® Cortex®-M. Aby uzyskać do niego dostęp, należy pobrać i zainstalować STM32CubeMX (wersja 5.0.1 i późniejsze).
Polecane produkty
STMicroelectronics napędza rozwój rozwiązań na potrzeby motoryzacji
Dzięki bogatemu doświadczeniu w branży motoryzacyjnej STMicroelectronics dostarcza czołowe rozwiązania półprzewodnikowe, które wykorzystywane są przez producentów samochodów i ich dostawców systemów elektronicznych.
Kompleksowe portfolio produktów ST oferuje klientom innowacyjne rozwiązania, stanowiące podstawę doświadczeń użytkowych i bezpieczeństwa, które pozwalają sprostać najbardziej wyśrubowanym wymaganiom w odniesieniu do wydajności pojazdów i wpływu na środowisko naturalne.
Wyświetl produkty
