Hätte es nur ein Gehirn
Künstliche Intelligenz am Netzwerkrand
Künstliche Intelligenz (KI) besteht aus einer Reihe von Hardware- und Softwaresystemen, die Recheneinheiten mit Funktionen ausstatten können, die für einen menschlichen Beobachter die kognitiven Fähigkeiten des Menschen zu imitieren scheinen.
Sie verwendet eine Zusammenstellung von von der Natur inspirierten Berechnungsmethoden, um komplexe reale Probleme, bei denen sich mathematische oder traditionelle Modellierungen als unwirksam oder ungenau erwiesen haben, zu approximieren. Künstliche Intelligenz verwendet eine Annäherung an die Art und Weise des logischen Denkens des menschlichen Gehirns, um aus ungenauem und unvollständigem Wissen auf adaptive Weise Handlungen zu produzieren, wobei im Laufe der Zeit Erfahrungen gesammelt werden.
Maschinelles Lernen (eine Untergruppe von KI) geht eine Vielzahl von Problemen an, die im Alltag auftreten. Sie können die Daten von Sensoren nutzen, die in unseren Umgebungen, Häusern, Büros, Fahrzeugen, Fertigungsstätten und persönlichen Gegenständen vorhanden sind. Ein weit verbreitetes Modell geht davon aus, dass die Rohdaten von Sensoren an eine leistungsstarke zentrale Intelligenz (Cloud) gesendet werden, was erhebliche Datenbandbreiten und Rechenkapazitäten erfordert. Dieses Modell würde die Ansprechzeit verringern, wenn man die Verarbeitung von Audio-, Video- oder Bilddateien von 100 Millionen Endgeräten in Betracht ziehen.
Wechsel von einem zentralisierten zu einem verteilten Intelligenzsystem
KI ermöglicht viel effizientere End-to-End-Lösungen, wenn die in der Cloud durchgeführte Analyse näher an der Erfassung und an den Aktionen angesiedelt wird. Dieser verteilte Ansatz reduziert sowohl die erforderliche Bandbreite für die Datenübertragung als auch die Verarbeitungsfunktionen von Cloud-Servern erheblich und nutzt moderne Rechenfunktionen am Netzwerkrand. Darüber hinaus bietet er Vorteile für die Nutzerdatenhoheit, da personenbezogene Quelldaten vorab analysiert und Dienstleistern mit einem höheren Interpretationsgrad zur Verfügung gestellt werden.
ST war aktiv an KI-Forschungsthemen beteiligt und bietet verschiedene Lösungen, um KI an den IoT-Netzwerkrand (die Sensorknotensysteme) und sogar bis hin zum Sensor-IC selbst zu bringen.
Dank der neuen KI-Lösungen von ST können Sie jetzt vorab trainierte künstliche neuronale Netze (KNN) mithilfe des breiten Portfolios an STM32-Mikrocontrollern und des STM32Cube.AI-Erweiterungspakets abbilden und ausführen, das KI auf Arm® Cortex®-M-basierten MCUs der Baureihe STM32 ermöglicht.
Das STM32Cube.AI:
- Ist interoperabel mit beliebten Deep Learning-Trainingstools wie TensorFlow Lite, Keras, Caffee, Lasagne, ONNX usw.
- Ist mit vielen IDEs und Compilern vollständig kompatibel
- Ist Sensor- und RTOS-agnostisch
- Ermöglicht den Betrieb mehrerer künstlicher neuronaler Netze auf einer einzigen MCU der Baureihe STM32
- Volle Unterstützung für MCUs der Baureihe STM32 mit äußerst geringer Leistungsaufnahme
- Nutzen Sie die Leistungsfähigkeit von Deep Learning, um die Signalverarbeitungsleistung zu verbessern und die Produktivität in Ihrer STM32-Anwendung zu steigern. Erstellen und mappen Sie künstliche neuronale Netze auf Ihrem STM32 (optimierter Code, der automatisch generiert wird), anstatt Code selbst zu erstellen.
ST bietet dann fortschrittliche MEMS-Sensoren an, wie die IMUs LSM6DSOX, LSM6DSRX und ISM330DHCX (für industrielle Anwendungen). Diese Geräte (und jedes zukünftige MEMS-Gerät mit X am Ende der Teilenummer) enthalten digitale Funktionen, die für die Ausführung von ML-Algorithmen optimiert sind und die gemeinsame Datenverarbeitung zwischen der IMU und dem Host-Prozessor ermöglichen. Dieser Ansatz ermöglicht es, den Stromverbrauch des Systems weiter zu reduzieren, da der Sensor-ASIC für typische Aufgaben bis zum 0,001-fachen der Leistung einer MCU verbrauchen kann. Lesen Sie mehr über den eingebetteten endlichen Automat (FSM) und die ML-Core-Funktion (MLC) in diesen IMUs und verwandten Entwicklungstools in den folgenden verlinkten Anwendungshinweisen.
- AN5259-Anwendungshinweise
- AN5273-Anwendungshinweise
Die Datenerfassung in Industrie 4.0-Anwendungen ist ein wesentlicher Bestandteil des Überwachungsprozesses und trägt dazu bei, dass die Maschinen in der Fertigung reibungslos laufen. Kontinuierliche Zustandsüberwachungstechniken werden normalerweise bei Geräten wie Verdichtern, Pumpen und Motoren verwendet.
Die vorausschauende Wartung (PdM) basiert auf Algorithmen zur Zustandsüberwachung, Erkennung von Anomalien und Klassifizierung und integriert Vorhersagemodelle, welche die verbleibende Maschinenlaufzeit anhand der erkannten Anomalien identifizieren können. Dieser Ansatz verwendet eine breite Palette von Tools, wie statistische Analysen und maschinelles Lernen, um den Zustand der Geräte zu überwachen.
Unsere Arm® Cortex® M4/M33/M7-basierten Mikrocontroller der Baureihe STM32 mit äußerst geringer Leistungsaufnahme und die Arm® Cortex ®-A7®-Mikroprozessoren der Baureihe STM32 mit Gleitkomma-Funktionen können Sensordaten am Netzwerkrand verarbeiten. Die STM32Cube.AI-Toolchain ermöglicht die Implementierung von neuronalen Netzen und maschinellem Lernen, um einen Deep Learning-Ansatz umzusetzen.
ST bietet leistungsstarke, kostengünstige Sensoren mit einer 10-Jahres-Bereitstellungsgarantie (Langlebigkeitsprogramm), einschließlich Beschleunigungsmesser und Ultraschall-Analogmikrofone zur Schwingungsanalyse, von der einfachen Pass/Fail-Überwachung bis zur äußerst genauen, frequenzbasierten Datenanalyse, sowie einer Reihe von Umgebungssensoren für Temperatur, Feuchtigkeit und Druck
STM32-Konnektivitätslösungen
Das Portfolio der STM32-Mikrocontroller (MCU) umfasst auch drahtlose Konnektivitätslösungen, einschließlich unserer System-on-Chips STM32WL mit äußerst geringer Leistungsaufnahme: Mikrocontroller der Baureihe STM32WL und Dual-Core-STM32WB.
Das SoC STM32WL ist eine Multi-Protokoll- und offene drahtlose MCU-Plattform, die das LoRaWAN®-Protokoll durch LoRa®-Modulation sowie andere Ad-hoc-Protokolle auf der Grundlage von LoRa®-, (G)FSK-, (G)MSK- oder BPSK-Modulationen ausführen kann. Die drahtlose Multi-Protokoll-MCU-Plattform STM32WB kann Bluetooth™ 5.0-, OpenThread-, ZigBee 3.0- und IEE 802.15.4-Kommunikationsprotokolle gleichzeitig ausführen.
Präsentationen anzeigen:
- Wireless-System-on-Chip-MCU der Baureihe STM32WL mit großer Reichweite
- MCU der Baureihe STM32WB mit integriertem Bluetooth 5.0 und IEEE 802.15.4
STM32Cube.AI
Dank einer neuen Reihe von KI-Lösungen von ST haben Sie jetzt die Möglichkeit, vorab trainierte künstliche neuronale Netze (KNN) auf dem breiten Portfolio der STM32-Mikrocontroller abzubilden und auszuführen.
Das STM32Cube.AI ist ein Erweiterungspaket des weit verbreiteten Konfigurations- und Codegenerierungstools STM32CubeMX, das KI auf STM32 Arm® Cortex®-M-basierten Mikrocontrollern ermöglicht. Um darauf zuzugreifen, laden Sie das STM32CubeMX (ab Version 5.0.1) herunter und installieren Sie es.
Empfohlene Produkte
STMicroelectronics unterstützt Fortschritte bei Kfz-Anwendungen
Mit seiner umfangreichen Erfahrung im Kfz-Bereich bietet STMicroelectronics führende Halbleiterlösungen zur Unterstützung von Automobilherstellern und von Anbietern elektronischer Kfz-Systeme.
Das umfassende Produktportfolio von ST bietet Kunden innovative Lösungen, um den anspruchsvollsten Anforderungen in Bezug auf Fahrzeugeffizienz, Umweltbelastung, Fahrerlebnis und Sicherheit gerecht zu werden.
Produkte anzeigen
