如今，人工智能（AI）已成為嵌入式系統(tǒng)不可或缺的一部分。AI的集成使得這些系統(tǒng)能夠執(zhí)行復雜的任務，如圖像識別、自然語言處理和預測分析，而無需依賴于外部計算資源。AI在嵌入式系統(tǒng)中的應用正推動著從智能家居設備到自動駕駛汽車等多個行業(yè)的創(chuàng)新，它不僅提升了用戶體驗，還為設備制造商帶來了新的商業(yè)機會。恩智浦全面的MCU和處理器產(chǎn)品組合針對汽車、智能工業(yè)和物聯(lián)網(wǎng)行業(yè)的機器學習應用進行了優(yōu)化，其eIQ Neutron神經(jīng)處理單元（NPU）也提供了廣泛算力支持。

11月30日（本周六），RT-Thread將攜手恩智浦在蘇州發(fā)起線下智能視頻監(jiān)測動手實踐培訓，培訓將覆蓋：RT-Thread移植、RW007 網(wǎng)絡應用、智慧家居視頻監(jiān)測系統(tǒng)實戰(zhàn)、CherryUSB 實踐、以及多人臉識別實戰(zhàn)。同時我們準備了精美的簽到禮以及開發(fā)板獎品，下劃點擊“閱讀原文”立即報名！

培訓時間

11月30日，13:00 - 17:30

培訓地點

蘇州市新區(qū)竹園路288號NXP（一樓階梯教室）

AI dmeo：可在端側訓練的基于支持向量機的AI電機異常檢測系統(tǒng)

僅使用30個3軸加速度計進行電機異常檢測模型訓練，訓練時間小于1秒。同時可以在設備上進行單類SVM的訓練和推理，用戶可以實時“重新定義”正常狀態(tài)。SVM使用Libsvmcu實現(xiàn)，這是針對MCU的SE修改版Libsvm：沒有動態(tài)RAM，模型格式緊湊。

應用程序邏輯：數(shù)據(jù)收集+特征計算，SVM檢測模式和訓練模式。評估被監(jiān)控設備的“健康”指標。同時提供直觀的GUI顯示最近的系統(tǒng)健康狀況和實時狀態(tài)，以2D狀態(tài)空間可視化的形式呈現(xiàn)。

背景及挑戰(zhàn)

時間序列機器學習任務通常需要片上訓練，因為實際數(shù)據(jù)往往與生命周期中的數(shù)據(jù)有很大差異

目前的深度學習解決方案不支持片上訓練

競品提供經(jīng)典機器學習方案

基于時間序列的異常檢測和預測性維護任務變得越來越受歡迎

在MCU生命周期內(nèi)，學習過程可能需要多次執(zhí)行

demo功能框圖及性能指標：

創(chuàng)新點

從零到一實現(xiàn)片上訓練的經(jīng)典機器學習異常檢測演示

MCU友好的基礎設施設計，支持片上訓練

優(yōu)化的堆內(nèi)存管理

采用增長配對堆棧替代傳統(tǒng)堆

新的對象序列化方法，支持XIP Flash

數(shù)據(jù)類型壓縮技術

解決方案

僅使用正常加速度計數(shù)據(jù)在設備上訓練SVM模型

在設備上進行SVM推理，檢查異常數(shù)據(jù)樣本

用戶可以通過30秒內(nèi)的重新訓練，實時重新定義異常閾值

模型可序列化到Flash并使用XIP(無需重建或復制到RAM)

MCU友好的Ubsvm重構，僅使用10KB Flash和2KB RAM

AI demo: MCX N人臉追蹤風扇項目

本系統(tǒng)以切片的方式從SmartDMA獲取640x480x3彩色圖像，并實時把切片通過FlexIO發(fā)送給3.5寸液晶屏。與此同時，它把切片下采樣并生成更小的160x128x3彩色圖像，并交給一個基于YOLOv3的定制物體檢測模型。利用NPU的加速，此模型在40ms內(nèi)檢測一幀圖像，速度差不多是CPU的40倍。同時，PID算法計算出發(fā)送給舵機的指令，調(diào)整風扇以對準被檢測出的人臉。以上所有任務都由單個運行在150MHz的MCXN947微控制器處理，沒有外部擴展存儲器。

硬件組成

MCXN947主控制器

OV7670攝像頭模塊

X-LCD-PAR-S035顯示屏

LVGL圖形庫支持

客戶需求與目標應用

智能風扇/空調(diào)送風

實時追蹤快速移動目標

低成本、低功耗的目標檢測

技術要點

VGA圖像采集，降采樣至160x128x3用于YOLOv3變體檢測

NPU加速推理，比CPU快40倍（21ms推理時間）

使用PID控制伺服電機追蹤最大檢測目標

單片MCXN947 @150MHz完成所有任務，無需外部內(nèi)存