中国电子技术网

设为首页 网站地图 加入收藏

 
 

SensiML联手Silicon Labs开发自动智能传感工具

关键词:SensiML

时间:2021-03-30 10:40:21      来源:中电网

SensiML联手Silicon Labs,为Silicon Labs的节能型EFR32和EFM32微控制器(MCU)开发机器学习传感器insight。同时也在SensiML Analytics Studio中启用了对Thunderboard Sense 2物联网开发入门工具包(SLTB004A)的支持。

SensiML联手Silicon Labs,为Silicon Labs的节能型EFR32和EFM32微控制器(MCU)开发机器学习传感器insight。同时也在SensiML Analytics Studio中启用了对Thunderboard Sense 2物联网开发入门工具包(SLTB004A)的支持。Thunderboard Sense 2是一个传感器丰富的小型原型板,它使开发人员能够快速为物联网产品(如电池供电的无线传感器节点)开发概念验证设备。

  

Silicon Labs EFM32™ 32 位微控制器系列特别适用于低功耗和能源敏感型应用,包括能源、水表和燃气表、楼宇自动化、警报及安防和便携式医疗/健身器材。鉴于探入和成本原因而无法经常更换电池,因而在无外部电源或操作员介入的情况下此类应用的运行时间应尽可能久。Silicon Labs 节能型 EFM32 32 位微控制器之所以优于现有的低功耗 MCU 替代品,归因于10 个因素:

 

1. 极低的活动模式功耗

2. 减少处理时间

3. 快速唤醒时间

4. 超低的待机电流

5. 外设自主操作

6. 外围设备反射系统

7. 设计良好的能耗模式

8. 节能外围设备

9. LESENSE – 低功耗传感器接口

10. Simplicity Studio 与 AEM

 

Silicon Labs Thunderboard Sense 2

 

使用Thunderboard 2和SensiML分析工具包,开发人员利用EFR32多协议无线soc和EFM32单片机构建智能物联网传感产品能够从各种传感器快速收集和标签准确的训练数据集,构建相应的人工智能推理模型, 并在短时间内生成优化的固件。此外,低成本的Thunderboard硬件与SensiML AI工具包相结合,可以让开发人员发掘这种组合解决方案的潜力,并且可以毫不延迟地构建其概念的工作原型,而无需承担任何前期义务。

 

Silicon Labs的Thunderboard Sense 2是一个紧凑、低功耗、传感器丰富的开发平台,基于EFR32无线片上系统(SoC),使其成为开发电池驱动的无线连接边缘物联网设备的理想工具,适用于电池供电型物联网应用。这一升级的 Thunderboard 物联网套件具有七种板载传感器、强大的多协议 EFR32 Mighty Gecko SoC、256 kB RAM 和 1024 kB 闪存以及先进的 BLE 功能和支持蓝牙通信和云连接的移动应用。Thunderboard Sense 2 包括集成的调试器,并受 Simplicity Studio 的全面支持。这款开发套件提供用来开发和制作 IoT 边缘节点设备原型的最快途径。Thunderboard Sense 2 为 Thunderboard 物联网套件系列带来升级的特性。这种物联网开发套件采用新型传感器和最新的 ERF32MG SoC 并具有 4x 闪存和 RAM 以及先进的 BLE 功能,可以在数分钟内将设备与云连接。这款套件非常适合以较低成本快速开发和制作更宽范围的物联网终端节点器件的原型。

 

SensiML Analytics Toolkit加速了这一紧凑、优化的智能端点AI传感器模型的开发,允许在嵌入式设备上实时本地生成有意义的解决方案。

SensiML Analytics Toolkit是一款小型物联网设备的AI传感器算法。在所有情况下,SensiML Analytics Toolkit都可以快速轻松地创建嵌入式预测分类算法,该算法可以在本地传感器微控制器上实时运行。该工具包支持各种低功耗SoC,包括目前用于执行简单数字捕获和网络通信的传感器设备常用的SoC。开发人员可以选择使用现有数据中心化的信息直接从常用的SoC评估板生成代码或收集新数据,直接进入SensiML数据捕获实验室应用程序。该分析支持具有自动化和接口的新手和专家用户,极大地简化了从数据收集到模型生成到针对给定目标体系结构的固件优化的整个过程。

 

联合开发平台支持的应用包括:

●工业预见性维护

●远程过程和设备监控

●可穿戴设备活动检测和形式分析

●手势识别

●用于智能住宅和建筑的音频识别和声事件检测

 

利用SensiML工具和Silicon Labs Thunderboard Sense 2可实现:

●使用数据驱动的监督和非监督的ML模型开发,缩短了开发时间,并快速构建了创新智能物联网产品概念原型

●能够在没有深入数据科学经验或专业知识的情况下,利用SensiML的自动建模引擎向产品添加AI/ML功能

●差异化的智能物联网设备更快地推向市场,消除了对云和智能手机AI处理的依赖,以提供传感器洞察

●来自端到端工作流的AI建模可信度,包括强大的数据集注释、自动数据标记、完整的模型透明度,以及调整或修改代码的所有方面的灵活性 

 

集成使用了SensiML的原始传感器数据收集接口,我们在Silicon Labs提供的可用固件中称为简单的流接口,允许在Thunderboard和SensiML数据捕获实验室之间直接连接。默认的固件构建支持集成的6轴运动传感器的流媒体,提供加速度计和陀螺传感器数据,以及音频传感器从车载数字麦克风流媒体。

 

用户还可以随时修改和扩展简单的流接口和默认固件,以适应自定义硬件和传感器配置以及安装在Thunderboard PCB上的额外可用传感器。

  • 分享到:

 

猜你喜欢

  • 主 题:自主移动机器人(AMR)平台方案介绍
  • 时 间:2024.11.19
  • 公 司:安森美

  • 主 题:PIC®和AVR®单片机如何在常见应用中尽展所长
  • 时 间:2024.11.26
  • 公 司:DigiKey & Microchip

  • 主 题:盛思锐新型传感器发布:引领环境监测新纪元
  • 时 间:2024.12.12
  • 公 司:sensirion