參數(shù)：2678bytes
堆棧使用：2560bytes
預(yù)分配：12bytes
代碼：2008bytes

使用RA6T2 MCU的推理時(shí)間約為1毫秒至2毫秒。

我們是如何創(chuàng)建應(yīng)用示例的？

瑞薩電子正在推出各種類(lèi)型的電機(jī)控制解決方案，并提供軟件示例。利用瑞薩電子e2 studio IDE和Motor Workbench開(kāi)發(fā)支持工具，用戶可以?xún)?yōu)化電機(jī)參數(shù)、收集數(shù)據(jù)、與真空吸塵器所需的其他功能集成，并最終集成使用Reality AI Tools模塊生成的任何AI模型。

圖4. Renesas Motor Workbench工具

圖5. e2 studio–Reality AI Tools集成工作流程

我們通過(guò)使用電機(jī)控制示例代碼中的現(xiàn)有變量來(lái)收集真實(shí)的電機(jī)控制數(shù)據(jù)，并記錄了地板類(lèi)型的數(shù)據(jù)以進(jìn)行分類(lèi)。這些數(shù)據(jù)被輸送到Reality AI的特征提取和訓(xùn)練引擎，以開(kāi)發(fā)和輸出模型。我們實(shí)現(xiàn)了100%的訓(xùn)練K-Fold準(zhǔn)確率，這促使我們選擇該模型進(jìn)行實(shí)時(shí)測(cè)試和基準(zhǔn)測(cè)試。同時(shí)，Reality AI 的BOM優(yōu)化功能會(huì)從電機(jī)信息的數(shù)十個(gè)現(xiàn)有變量中建議最佳的信息組合使用，并最大限度地減少資源需求。

圖6. Reality AI Tools訓(xùn)練結(jié)果

在實(shí)際硬件上實(shí)施模型之前，可以使用另一個(gè)未用于訓(xùn)練的記錄數(shù)據(jù)集對(duì)模型進(jìn)行測(cè)試，以便在Reality AI上進(jìn)行確認(rèn)，以減少開(kāi)發(fā)工作量。一旦達(dá)到預(yù)期的精度，該模型就會(huì)被重新集成到e2 studio項(xiàng)目中。然后，該模型在現(xiàn)場(chǎng)環(huán)境中進(jìn)行了廣泛的測(cè)試。

要將機(jī)器學(xué)習(xí)模型產(chǎn)品化，有時(shí)需要了解機(jī)器學(xué)習(xí)模型的工作原理以及它如何確定結(jié)果以避免黑盒情況。Reality AI還為解決方案提供了此類(lèi)情況，并可以使用決策顯著性圖顯示哪些特征重要，哪些特征不太重要。

圖7. Reality AI Tools決策顯著性圖

在進(jìn)一步或?qū)?lái)增強(qiáng)的情況下，瑞薩還提供了一種重新訓(xùn)練模型的方法。只需更新機(jī)器學(xué)習(xí)模型參數(shù)，即可輕松改進(jìn)Reality AI Tools創(chuàng)建的模型。這些參數(shù)可以放置在flash的單獨(dú)區(qū)域，例如數(shù)據(jù)區(qū)域，并且可以通過(guò)無(wú)線（OTA）非常容易地更新。

結(jié)論

地板類(lèi)型檢測(cè)示例展示了瑞薩Reality AI Tools在解決實(shí)際挑戰(zhàn)以改善用戶體驗(yàn)和為真空吸塵器增強(qiáng)額外功能的能力。我們的AI模型占用空間小，并且可以通過(guò)利用廣泛的數(shù)據(jù)收集來(lái)進(jìn)行靈活的擴(kuò)展。

瑞薩電子(TSE: 6723)

科技讓生活更輕松，致力于打造更安全、更智能、可持續(xù)發(fā)展的未來(lái)。作為全球微控制器供應(yīng)商，瑞薩電子融合了在嵌入式處理、模擬、電源及連接方面的專(zhuān)業(yè)知識(shí)，提供完整的半導(dǎo)體解決方案。成功產(chǎn)品組合加速汽車(chē)、工業(yè)、基礎(chǔ)設(shè)施及物聯(lián)網(wǎng)應(yīng)用上市，賦能數(shù)十億聯(lián)網(wǎng)智能設(shè)備改善人們的工作和生活方式。