人工智能和机器学习开发之旅

Tiny Edge AI/ML 是什么?

在物联网行业中,“边缘”是指在本地执行计算而不依赖云计算的设备。最新的开发 Tiny Edge 使计算更接近生成数据的位置,例如传感器节点。这种转变从集中式、基于云的解决方案转移到边缘节点的分布式网络,该网络在本地收集、处理和推理数据。到 2027 年,预计将有超过 30 亿台配有 TinyML 的设备出售。TinyML 是 AI 的一个子集,专门用于在 Tiny Edge 设备上部署机器学习模型。这种增长是由社会趋势驱动,例如对速度、隐私和连接的需求。此外,从有线到无线技术的过渡正在进一步加速 Tiny Edge 设备的采用。

使用 Silicon Labs SoC 的机器学习应用

Silicon Labs 的无线 SoC 支持一系列 ML 应用,例如用于预测性和预防性维护的传感器信号处理、用于医疗保健的生物信号分析,以及冷链监控。它们还为安全应用程序启用音频模式匹配,为智能设备控制启用语音命令,以及为人数统计和存在检测等任务启用低分辨率视觉识别。SoC 提供各种 RAM 尺寸,以满足不同的应用要求。机器学习模型应用于来自传感器的数据,例如麦克风、摄像头以及测量加速和温度等时间序列数据的传感器。这些模型包括音频模式匹配、唤醒词/命令词检测、指纹读取、始终在线的视觉以及图像/对象分类和检测。然后可以根据要求,进一步处理检测到的事件。

Silicon Labs AI/ML 之旅

Silicon Labs 可加速 AI/ML 设备的开发,首先是概述流程中的每一步,并在项目的每个阶段为您提供帮助。我们将简化您的开发之旅,帮助您更快速、更高效地将设备推向市场。
下面概述了 AI/ML 开发之旅中的三个关键阶段,以及要成功完成每个阶段所需满足的条件。

开始
构建您自己的解决方案
预建解决方案
  1. 1. 购买套件
  2. 2. 创建用户账户
  3. 3. 开发环境
  4. 4. 探索演示内容
  1. 1. 构建模型
  2. 2. 测试和验证
  3. 部署模型
  1. 合作伙伴

1. 购买套件:硬件和示例

Silicon Labs 提供多种开发和探索套件,从超低成本小封装,到用于构建强大网络的紧凑、功能丰富的平台。我们有几个令人兴奋的演示,包括唤醒词检测、Pacman 和手势控制。这些功能丰富的套件支持多种协议,并具有不同的内存配置,配备各种传感器和外围设备,可执行快速调试和快速原型设计。根据您感兴趣的演示,请在下面选择最适合您需求的套件。演示与硬件无关。

 
套件SiWx917 开发套件EFR32xG24 开发套件EFR32xG28 Explorer 套件EFR32xG26 +10 dBm
开发套件
OPN(SiWx917-DK2605A)(xG24-DK2601B)(xG28-EK2705A)(xG26-DK2608A)
支持的协议Wi-Fi、蓝牙、Matter蓝牙、Matter、专有、Thread、Zigbee蓝牙、Sidewalk、Wi-SUN、Z-Wave蓝牙、Matter、专有、Thread、Zigbee
描述SiWx917 Wi-Fi 6 和蓝牙 LE 5.4 开发套件是一个紧凑但功能丰富的开发平台,用于快速测试、开发和原型设计无线物联网应用EFR32xG24 开发套件是一款紧凑、功能丰富的开发平台。它能够快速开发无线物联网产品,并完成原型设计。EFR32xG28 Explorer Kit 是基于 EFR32xG28 SoC 的小封装开发与评估平台,主要用于 1 GHz 以下和蓝牙低功耗物联网应用的快速原型设计与概念创建。EFR32xG26-DK2608A 开发套件是一款紧凑、功能丰富的开发平台。它能够快速开发无线物联网产品,并完成原型设计。
价格$40 USD$79 USD$34 USD$89 USD
闪存/RAM8 MB 闪存、672 kB SRAM、8 MB PSRAM1536 kB / 256 kB1024 kB / 256 kB3.2 MB / 512 kB
MVP
传感器麦克风、温度传感器、惯性传感器惯性传感器、立体声麦克风、压力传感器、环境光传感器温度传感器惯性传感器、立体声麦克风、压力传感器、环境光传感器
< 上一步 下一步 >

2. 创建用户帐户

在等待开发套件期间,我们建议设置您的用户帐户。

Silicon Labs 帐户:

Silicon Labs 帐户:此帐户将为您提供访问我们的开发人员社区、入门指南、私有 GitHub 存储库和 Simplicity Studio 开发环境的权限。您可在此处创建账户,或验证账户访问权限。

Silicon Labs Account
< 上一步 下一步 >

3. 设置开发环境

虽然我们知道您在选择开发环境时有很多选项,但我们相信 Simplicity Studio 才是适用于开发蓝牙设备的正确之选。原因如下:

  • Simplicity Studio 包含编程器和调试器功能,因此您不必担心手动设置。
  • 认识您购买的电路板,并确定您可以使用的示例应用。

需要帮助设置环境吗?我们的入门指南将让您立即启动和运行。

下载 Simplicity Studio v6 的完整在线安装程序版本:

< 上一步 下一步 >

4. 探索演示内容

这里列出了一些其他思路,只需对下方建议的参考示例应用进行修改,通过极少量的编码即可轻松将这些思路转变为现实产品。这些用例并非作为即用型演示内容而提供,而是为进一步的评估营造了适当环境。此处展示的所有演示均可在 Simplicity Studio 的“示例项目与演示”中找到。在左侧菜单中,按“功能 → 机器学习”进行筛选,以查看并导入 AI/ML 示例应用程序。

语音控制灯

检测到说出关键词“开”和“关”,即可打开和关闭板上的 LED。

推荐的套件: 

EFR32xG24 开发套件  

SiWx917 开发套件

使用预构建的应用程序,
只需 10 分钟,即可快速启动和运行。

学习在 30 分钟内,从
训练过的模型中创建 ML 应用程序。

其他演示内容

从头开始开发应用程序非常困难,因此,Simplicity SDK 附带多个内置的演示内容和示例,涵盖最常见的用例。

要访问演示和示例:

  1. 下载和安装 Simplicity Studio
  2. 导航到“示例项目与演示”部分
  3. 在左侧的筛选菜单中,选择“功能 -> 机器学习”,以查看并导入最新的 AI/ML 示例应用程序。


音频分类器 (Audio Classifier)

此应用程序使用面向微控制器的 TensorFlow Lite,对 Micrium OS 内核任务中麦克风上记录的音频数据进行分类。该分类用于控制开发板上的 LED。该演示也作为 Simplicity Studio 的一部分提供。

推荐的套件:



魔杖 (Magic Wand)

此应用程序演示了一个模型经过训练,可以使用加速度计来识别各种手势。检测到的手势会打印到串行端口。该演示也作为 Simplicity Studio 的一部分提供。

推荐的套件:



闪烁 (Blink)

此应用程序演示了一个模型经过训练,可以复制正弦函数。该模型持续接受 0 至 2pi 的值,模型的输出用于控制 LED 的强度。该演示也作为 Simplicity Studio 的一部分提供。

推荐的套件:



石头剪刀布

使用外部摄像头的设备端图像分类演示,可实时识别手势(石头、剪刀、布)。演示基于 TFLM 模型、直接在 MCU 上运行的嵌入式视觉方案。

推荐的套件:



设备篡改检测

时序异常检测演示:利用 IMU 数据检测可能代表设备被篡改的异常运动模式。全程在设备端运行,专为可量产的边缘 AI 应用设计。

推荐的套件:

< 上一步 下一步 >

1. 构建模型

您的 .tflite 文件已经准备好了?跳到下一步:“测试和验证”。

训练您的模型,并准备将其转换为可部署的格式。

如果您熟悉 ML 开发,请遵循以下步骤:


自定义代码

首先,设计和训练您的 AI/ML 模型。这包括收集和预处理数据、选择适当的模型以及设置训练参数。

有关在机器学习模型上开发的支持,请参阅 TensorFlow 文档。有关将模型转换为 .tflite 的支持,请参阅 LiteRT 文档。 

如果您是 ML 开发的新手,请遵循以下步骤:


少量代码

我们与顶级 AI 平台合作,帮助您以最少的编码,设计和构建模型。这些平台提供用户友好的 GUI 和自动化工作流程,以简化流程。

SensiML

Beaverton, Oregon

Edge Impulse

San Jose, California

Eta Compute

加利福尼亚州森尼韦尔

如果您正在寻找预先构建的机器学习解决方案,请跳到最后一个选项卡“预构建解决方案”

< 上一步 下一步 >

2. 测试和验证

根据嵌入式目标,评估模型的性能,验证模型,以确保其符合要求的性能指标。

 

分析您的模型

在将面向微控制器的 TensorFlow Lite (.tflite) 模型部署到您的产品中之前,深入了解它在 Silicon Labs 硬件上的性能表现。

Silicon Labs 机器学习模型性能分析器可帮助您直接在目标硬件上分析推理性能。它可以清晰展示延迟、内存使用情况,以及在 MCU 和硬件加速器(如矩阵矢量处理器 (MVP))上的执行分布情况。


使用模型性能分析器,您可以

  • 在真实硬件上测量推理延迟
  • 查看各层执行耗时
  • 了解 CPU 与加速器的利用率
  • 识别性能瓶颈和优化空间

Simplicity Studio 6 启动分析器,连接开发板即可开始分析。在最终部署前,利用这些分析结果来改进、优化和验证您的模型。

< 上一步 下一步 >

3. 部署模型

集成经过验证的模型并部署到嵌入式设备上。

  • 添加 AI/ML SDK 扩展
  • 在 Studio 中配置 TensorFlow 微型组件:设置组件,为您的嵌入式设备选择正确的内核 
  • 纳入并运行模型:将 .tflite 模型复制到 Simplicity Project的 config 文件夹中 
  • 实施后期处理:添加必要的后处理步骤,以处理模型的输出,并将其与应用程序的逻辑整合 
< 上一步 下一步 >

交钥匙解决方案

Silicon Labs SoC 上的预构建、部署就绪型 AI/ML 解决方案,可以简化开发过程,加快上市时间。

Sensory

Santa Clara, California

AIzip, Inc.

Cupertino, California

MicroAI

Irving, Texas

设计合作伙伴

Silicon Labs 已预筛选并认证了以下第三方 AI/ML 设计服务公司
,以帮助您设计和开发定制 AI/ML 解决方案。

Klika Tech, Inc.

Miami, Florida

AITAD GmbH

Offenburg, Germany

embedUR

Fremont, California

< 上一步 下一步 >
开始
1. 购买套件
2. 创建用户账户
3. 开发环境
4. 探索演示内容
构建您自己的解决方案
1. 构建模型
2. 测试和验证
部署模型
预建解决方案
合作伙伴
关闭
正在加载结果
关闭
Powered by Translations.com GlobalLink OneLink Software