【原创】震惊!ST要掀起一场MCU和传感器上的AI革命?

winniewei 提交于 周一, 04/29/2019
【原创】震惊!ST要掀起一场MCU和传感器上的AI革命?

作者:张国斌

小小MCU上也能搞人工智能计算?还有传感器上也搞AI?估计很多人不相信,不过事实上确实做到了,而且是我们常见的人脸识别、动作识别、场景识别,这是不是让很多高大上的AI公司很“ 打脸”?

4月26日,主题为”聚智慧创未来“的STM32 2019高峰论坛在深圳举行,超过2500名设计工程师参加了为期两天的峰会,在万物互联向万物智联的大风口下,通用MCU排名全球第二,拥有65000名客户的ST举办的此次峰会备受瞩目,阿里巴巴、移远科技、微软等众多合作伙伴到场交流,而ST也发布了有关MCU和传感器的激进蓝图,未来,ST要掀起一场传感器和MCU上的AI革命!

MCU上能跑AI运算吗?

可能很多小伙伴和我有一样的困惑,仅仅凭借MCU几十上百MHz的主频和寄存器模式能跑得了AI运算?算力能够吗?别忽悠人了。

确实,虽然目前大多数MCU没有足够内存和处理能力来运行DNN(深度神经网络)算法,但ST用一套巧妙的办法介绍了这个问题,他们针对MCU进行优化,使其可以运行DNN。这里面的关键就是AI开发工具--STM32Cube.AI工具包。

1

号称STM32微控制器之父的意法半导体微控制器事业部全球市场总高Daniel Colonna在回答我的问题时指出:“通过STM32Cube.AI,开发人员现在可以将预先训练的神经网络转换为C代码,该代码可以调用在STM32 MCU上运行的优化库中的函数。这样在STM32微控制器(MCU)上运行神经网络了。”

2

通过这个工具包,ST可以将AI驱动到边缘和节点嵌入式设备上,目前ST正在将AI引入微控制器供电的智能设备,位于节点边缘以及物联网,智能建筑,工业和医疗应用中的深度嵌入式设备。

使用STM32CUBE.AI部署神经网络的5个步骤

1.捕获数据

2.清理,标记数据和构建ANN(人工神经网络)拓扑

3.训练ANN模型

4.将ANN转换为STM32 MCU的优化代码

5.使用经过培训的ANN处理和分析新数据

在高峰论坛现场我看到有关利用STM32实现的人脸识别、食物识别、人体动作识别、手写体识别、背景识别等。

3

其基本的流程就是先训练一个神经网络模型,然后通过STM32Cube.AI将这个神经网络模型转换为MCU能识别的代码,这个工具包还可以估算运算量,如果运算量过大还可以进一步优化模型再导入。

这是韩国公司做的人脸识别演示

4

这是意法半导体演示的食物识别,目前可以识别18类食物

56

这是演示的人体活动识别,可以识别五类动作,这个在可穿戴设备上可以用到,精准度很高。

78

这是手写体识别案例

9

关于背景识别,据介绍,ST提供音频场景分类的代码示例,可用于ST参考传感器板和移动应用程序,经过训练的人工神经网络对运动和振动传感器,环境传感器,麦克风和图像传感器的数据信号进行分类,比传统的手工信号处理更加快速有效。

0

据悉,STM32CubeMx.AI采用来自各种最流行的AI框架(包括Caffe,CNTK,Keras,Lasagne,TensorFlow和theano)的预训练神经网络模型输出。有工作人员透露支持最新框架的升级版已经要发布了。

现在ST已经在STM32CubeMX工具中引入STM32Cube.AI工具包,大家可以在STM32CubeMX(V5.0.1或更高版本)工具中在线更新:

1

更多信息大家可以点击这里 https://www.st.com/en/embedded-software/x-cube-ai.html?icmp=tt9145_gl_pron_dec2018

这是意法半导体在AI 上的规划,未来大部分的STM32产品会支持AI深度学习,会支持更多人工智能框架,将节点端的AI深入到更多领域。

234

传感器上也能跑AI吗?

在当天的高峰论坛上,意法半导体大中华暨南亚区模拟器件、MEMS和传感器(AMS)产品部市场及应用高级总监吴卫东在演讲中还表示ST在传感器上还实现了AI!这个更震惊啊

5

据他介绍,通过在传感器上还运行机器学习,可以实现最佳的传感器功耗,可节省10到1000倍的功耗 (vs. 应用处理器)!

6

在意法半导体最新的LSM6DSOX传感器上,只要经过5个简单的步骤,通过使用基于人工智能的解决方案将可检测性提高20%,这5个步骤是:

1、用户定义要识别的类

2、收集每个类的数据 定义最能描述已识别 类的特性

3、机器学习工具根据数据 配置LSM6DSOX并 和特性为LSM6DSOX生成程序 

4、运行应用程序 

5、利用来自A.I.世界的机器学习技术来实现

7

通过这样的机器学习,可以识别数据和用户定义的活动是否匹配,例如可以识别用户是否在散步、行走、驾驶或者乘坐飞机

8

“在传感器上实现机器学习,我们是通过一种类似虚拟机的方式实现了,就是可里面有一套逻辑判断机制。”在跟吴卫东交流时他这样解释,“在传感器上还运行机器学习的好处是可以通过机器学习把有用的数据识别出来传输,这样也可以降低数据传输量,变相地降低功耗和带宽消耗。”

他举例说在实际应用中ST还把传感器和音频应用结合起来,可以实现更清晰的语音,例如目前流行的TWS耳机,通过应用这样的传感器可以明显提升通话音质。

92

此外在锂离子电池保护中,采用这样可以方式可以检测冲击,更好地保护电池

1

他表示ST有丰富的传感器产品系列,未来利用可以实现机器学习的传感器打造更多低功耗、高精度、嵌入式智能,ST提供提供完整的软件解决方案,友好的代码编译GUI,传感器可以使每个细分市场的新功能成为可能,未来更多的数据需要更多的传感器,而更好的传感器产生更高质量的数据。

23

目前,ST排名全球通用MCU第二名,每年发货量超过12亿颗,交期也稳定在8周左右。

456

从这次高峰论坛公布的roadmap看,STM32现有14个系列在产,此外还增加了高性能的MPU系列,它采用Cortex-A7内核和M4内核可以实现高性能工业控制和双系统。

78

这是MPU的应用展示

911

这次高峰论坛ST还发布了号称“STM32图形界面设计终极工具”的Touch GFX,它可以支持STM32全系列的图形界面设计,在工具开发上更方便开发者。

2

Daniel Colonna表示ST MCU未来几个宏观趋势是:

1、更多无线连接

2、更高能效比,更低功耗

3、更多硬件加速器, 更多模拟外设 ,提供2D图形处理器与开发工具,电机控制模拟外设和算法处理器和人工智能功能。

4、更安全--防止远程、电路板和物理攻击、符合新的物联网标准

5、价格更亲民--要搞价格战了?

3

目前,ST已经有超过6万名嵌入式领域客户,并和阿里巴巴、微软等这样的巨头合作,未来必将加速万物互联向万物智联转变。

1

在这次高峰论坛上,意法半导体总裁兼首席执行官JEAN-MARC CHERY指出从客户需求反馈来看,今年下半年MCU市场就将全线反弹,随着MCU、传感器进入人工智能时代,一个万物智联的时代就要来到了!

本土的创新者们,你们准备好了吗?

注:本文为原创文章,转载请注明作者及来源

相关文章

Digi-Key