嵌入式AI系统可以识别时间序列数据中的趋势
作者 George Dickey
技术创新往往以波浪的形式出现，在几十年内改变人类生活：电力、计算机、互联网。最近的一波是人工智能（AI）。自诞生以来，AI主要限于大型计算平台。然而，先进的处理器技术与高效AI网络的融合导致了突破性的创新，使AI能够在嵌入式系统中运行。这些系统通常配备了专门的AI处理器和支持机器学习的传感器，使其在“边缘”具备前所未有的功能。
这些功能实现了新的预测性维护水平。嵌入式AI加速器可以在问题发生之前识别问题，而无需人工参与。本文探讨了几种能够在边缘运行AI算法的新处理器技术。
嵌入式AI系统
AI驱动的微控制器和MEMS传感器是预测性维护AI革命的前沿。这些设备的特点是体积小、功耗低，以及能够加速与AI相关的特定数学功能。传统的嵌入式处理器与AI核心和/或传感器模块相结合，使设备能够实时分析和响应现实世界中的时序数据。有几种嵌入式AI在时序数据应用中实施的方式。但首先……
什么是时间序列数据的AI？
时间序列数据是指在均匀间隔时间内收集、记录或测量的一系列数据点。时间序列数据点使分析师能够理解数据随着时间演变或变化的方式。
时间序列数据分析涉及理解数据中的模式、趋势、异常和行为。AI可用于对未来值进行观察或预测，从数据中提取洞察以指导决策。这种类型的分析可以使用AI网络来完成，这需要理解和选择处理硬件。
在预测性维护、环境异常检测、IoT设备、多轴运动等应用中，时间序列数据可用于理解数据中的模式、趋势和行为。使用卷积神经网络、递归神经网络、长短期记忆网络和门控循环单元等AI算法，时间序列数据可以用于检测期望或异常的结果。虽然这些机器学习算法可以在通用硬件上执行，但使用具有AI核心的处理器和/或传感器可以降低延迟并提高效率。
包括Cortex-M核心、NPU、GPU和嵌入式AI传感器组件在内的几种常见处理器核心技术可以用于AI时间序列数据分析。这些新处理器技术与专用AI算法的融合正在推动嵌入式系统和边缘计算的创新。从医疗、汽车、制造业、农业及其他领域的应用来看，嵌入式AI处理器正在为更聪明、更自主的设备铺平道路，这些设备能够以无与伦比的速度、准确性和效率分析现实世界的数据。
Nanoedge AI Studio 显示来自电机控制应用程序的时间序列数据。
支持机器学习的微控制器
图形处理单元 (GPUs)
尽管主要用于提高2D（有时是3D）图形性能，GPU越来越多地与Cortex-M MCU一起用于嵌入式AI应用。这些并行处理单元可以用于深度学习算法，例如卷积神经网络（CNN），以执行图像识别和物体检测等任务。例如，STM32U5拥有Cortex-M33和NeoChrome GPU，使其适用于工业、智慧城市、智能家居和物联网应用中的HMI应用或嵌入式AI解决方案。
神经处理单元 (NPUs)
神经处理单元（NPUs）是高度专业化的核心，优化用于加速神经网络计算，从而使编程能够功能性地学习和自我重编程。这些核心通常与Cortex-M处理器一起实现，可以执行比标准Cortex-M核心单独实现更复杂的神经网络算法。
例如，NXP的 MCX-N 结合了Arm Cortex-M33和定制的eIQ神经处理单元。Alif Semiconductor的 Ensemble 系列是工业应用准备微控制器，结合了一颗Arm Cortex-M55 CPU和通过ARM Ethos-U55神经处理单元实现的专用边缘AI加速。该系列可提供单Cortex-M55或双Cortex-M55、单或双Ethos-U55，或选择性地配置一个或两个Cortex-A32 MPU核心。
通过将AI任务卸载到NPUs，嵌入式系统可以实现实时神经网络推理，同时节约功耗、尺寸和资源。
嵌入AI核心的传感器
正如讨论过的，嵌入式AI应用通常利用标准MCU进行数据处理的计算。然而，新的传感器技术已经将AI处理从MCU外部转移，并将嵌入式AI处理核心置于传感器本身内部，被称为机器学习核心(MLC)和智能传感器处理单元(ISPU)。
带有嵌入式机器学习核心(MLC)的传感器可以通过训练在检测到特定事件时触发动作，使其能够检测精确的变化场景。通过这样做，可以减少MCU的计算负载，从而实现低功耗架构并提高系统效率。例如，LSM6DSV16BXTR 是一个具有3轴加速度计和3轴陀螺仪的IMU，具备MLC以启用AI功能。
或者，传感器可以具有智能传感器处理单元(ISPU)，这是集成的数字信号处理器，专用于高处理能力，以支持ISPU内的机器学习和神经网络处理。这种核心架构允许AI驱动的内部和外部传感器处理，而无需外部MCU来处理较重的计算。这用于自动校准、传感器融合以及跨多种传感器输入的异常检测，而无需外部MCU。相反，可以使用较小的MCU来处理通用微控制器负载。
结论
将 AI 应用于时间序列数据是一个令人兴奋的发展领域，具有为工业、医疗保健和消费应用增加智能的潜力。在开发 AI 解决方案时需要考虑许多因素，处理器的选择只是其中之一。
有关更多信息和指导，您可以预约与 Arrow AI 专家的咨询，并关注我们的 AI 网络研讨会系列。
附加AI工程资源：
文章标签
