新闻中心

EEPW首页 > 嵌入式系统 > 业界动态 > 工业控制、智慧城市、智能家居领域的AI应用及开发挑战

工业控制、智慧城市、智能家居领域的AI应用及开发挑战

作者:刘昱炜(恩智浦半导体 微控制器与处理器事业部 大中华区市场工程师)时间:2021-09-15来源:电子产品世界收藏


本文引用地址:http://www.eepw.com.cn/article/202109/428249.htm

1   关注工业控制、智慧城市、智能家居在工业和物联网领域

中,恩智浦关注的嵌入式人工智能()和机器学习应用主要包括工业控制、智慧城市以及智能家居3个方面。

●   工业控制。恩智浦通过提供能够进行实时观察、学习和调整的设备来为企业用户提供更好的预测和控制功能,通过提高设备的智能化程度来提高终端产品性能。在工业控制中的人机接口(HMI)应用领域,主要产品类型包括用户友好型消费产品屏幕、安全可靠的汽车驱动程序接口、工业面板、缴费机和数据访问终端等。在这些应用中,恩智浦可以为客户提供性能可扩展的系列(微控制器)、处理器、传感器和软件工具套件,可帮助客户在应用中添加语音识别、视频和图像分析处理、触摸和手势控制等功能。在工业控制中的工厂自动化应用领域,恩智浦可以为客户提供实时处理及稳定通信能力,帮助完成工业系统中的实时控制。

●   智慧城市。恩智浦通过机器学习将图像和语音与先进的多媒体和智能处理能力相结合,使基于恩智浦方案的终端设备在公共安全、智慧交通、医疗保健以及家庭和楼宇安全等一系列行业中均处于优势地位,可以为企业和组织提供优化的解决方案,帮助建设更智慧、更安全、更高效互联的城市。

●   智能家居。恩智浦提供基于机器学习的智能设备解决方案(例如门锁、温湿度计和照明等),可通过学习用户喜好和实时数据做出自主决策,在提升生活环境居住体验的同时保证功能安全、信息安全和便利性。

1631677387185329.png

恩智浦半导体 微控制器与处理器事业部 大中华区市场工程师 刘昱炜

2   工程师或研发人员应用时遇到的挑战

机器学习和 应用在嵌入式端落地时可能遇到的主要问题包括以下几个方面。

1)硬件平台。在嵌入式端运行深度神经网络模型对硬件平台的计算能力和资源有较高的需求,同时也会导致系统功耗的增加。如何平衡计算性能与功耗并依靠有限的计算能力和存储资源,在嵌入式端推理过程中充分发挥神经网络模型的性能及准确性,是一个值得关注的挑战。

2)软件生态。支持神经网络加速的处理器通常是体系复杂的SoC,这给操作系统、软件开发环境和相关应用软件的开发带来一定的挑战。

3)安全及可靠性。由于智能设备具备自主学习和执行能力并存储有大量用户数据和模型,一旦系统在本地或者数据传输过程中遭到黑客攻击,将导致较为严重的安全隐患,对此类攻击的防范也是值得关注的挑战之一。

3   恩智浦的解决方案

针对上面提到的3 个挑战,恩智浦为客户提供了对应的解决方案。

1)硬件平台,恩智浦提供平台可扩展、性能配置丰富的可运行 应用的 及处理器。目前恩智浦支持AI 应用的 平台主要包括:i.MX RT600、i.MXRT1060、i.MX RT1170 等;处理器平台主要为i.MX 8M系列,包括其中的i.MX 8M Plus 和i.MX 8M Mini 等。其中今年推出的新产品i.MX 8M Plus 配备2.3TOPS 硬件神经网络加速器,可以有效提升神经网络模型在嵌入式端的推理速度。同时,该产品采用14 nm FinFET 工艺,在取得良好性能表现的同时保持较低功耗运行。

2)软件生态,恩智浦分别为MCU 和处理器产品提供了一致化的开发环境和SDK;对于一些典型的嵌入式AI 应用,例如人脸识别、语音控制等,恩智浦提供了诸多参考设计以及交钥匙解决方案;对于神经网络模型的构建、训练和嵌入式端部署,恩智浦提供了名为eIQ 的工具套件。该工具集成了数据集整理、模型训练以及推理引擎的构建等诸多功能,可以较好地支持客户常用的各类模型框架。此外,恩智浦也有一些第三方合作伙伴,通过提供相关算法或工具共同构建嵌入式AI应用的良好生态环境。

3)安全及可靠性,恩智浦能够在全数据链路为用户的数据安全提供保障。在嵌入式处理器端,恩智浦产品采用安全架构(如ARM TrustZone)以及相关加密模块保障安全性;在与云端的连接环节中,恩智浦提供EdgeScale 支持,可以帮助实现对网关和终端节电设备的安全部署和升级管理等。

(本文来源于《电子产品世界》杂志2021年9月期)



关键词: 202109 AI MCU

评论


相关推荐

技术专区

关闭