技术

为了提高效率和性能，工业自动化越来越受欢迎。在自主移动机器人 (AMR)、仓库机器人、无人机、农业、工厂检查和安防/监控等应用场景，会实施基于机器视觉的人工智能 (AI) 与先进技术来执行关键功能。

当前我们对图像传感器的依赖程度超出了大多数人的想象。图像传感器应用在汽车上，帮助我们避免碰撞；应用于建筑监控，防止非法入侵；应用于生产线，检查产品的质量。有趣的是，人们经常按照像素大小和解析度等非常简单的指标，对图像传感器进行分类，但为不同应用选择合适的传感器要比这复杂得多。

图像传感器的应用日益普及，特别是在安防、工业和汽车应用领域。很多汽车现在都配备了至少五个以上基于图像传感器的摄像头。但是，图像传感器技术不同于标准半导体技术，存在着一些错误认知。

如今，摄像头已随处可见，工厂、车辆、公共建筑、街道……其数量还在不断增多。大部分摄像头依靠图像传感器将场景中的光线转换为电子图像，因而推升了对图像传感器的需求。但图像传感器种类繁多，功能特性各不相同，设计人员需要熟悉不同传感器的不同功能特性，才能为特定应用选择合适的摄像头。

在本文中，我们将以西门子EDA处理器验证应用程序为例，结合Codasip L31这款广受欢迎的RISC-V处理器IP提供的特性，来介绍一种利用先进的EDA工具，在实际设计工作中对处理器进行验证的具体方法。

从简单的家用血压监测仪到公司的设备网络和整个公用事业电网，Wi-Fi® 在当今许多领域中的应用越来越广泛，甚至是备受期待。通过使用 Wi-Fi，房主可以安全可靠地控制智能烤箱、电动汽车充电站或洒水系统，从而节约时间和能源。

本系列文章由三部分组成，主要探讨卷积神经网络(CNN)的特性和应用。CNN主要用于模式识别和对象分类。作为系列文章的第三部分，本文重点解释如何使用硬件转换卷积神经网络(CNN)，并特别介绍使用带CNN硬件加速器的人工智能(AI)微控制器在物联网(IoT)边缘实现人工智能应用所带来的好处。