丁晓磊 (意法半导体)-意法半导体边缘人工智能 - 引领嵌入式人工智能新时代.pdf

《丁晓磊 (意法半导体)-意法半导体边缘人工智能 - 引领嵌入式人工智能新时代.pdf》由会员分享，可在线阅读，更多相关《丁晓磊 (意法半导体)-意法半导体边缘人工智能 - 引领嵌入式人工智能新时代.pdf（28页珍藏版）》请在三个皮匠报告上搜索。

1、意法半导体边缘人工智能 引领嵌入式人工智能新时代丁晓磊Lisa DING意法半导体 中国区通用微控制器市场部分布式人工智能策略充分使用亿级数量的节点段设备！2兆 量级百万 量级几千 量级数据中心云分析,存储,计算边缘侧IoT 网关,子数据中心节点端实时性,本地处理超低功耗设备和传感器向边缘处理转移3智能网关智能节点深度边缘AI数据在智能传感器、智能节点和智能网关中进行处理智能传感器云端优点-响应速度(快)-带宽(低)-隐私性提高(数据在本地存储)-可靠性-节能缺点-将数据处理分布在多个设备上*Optional深度边缘边缘*嵌入式人工智能将成为主流4到2030年，深度端侧 AI设备的全球出货量将

2、达到25亿台。正在为公司产生实际价值和商业产出。在2到5年内，具有AI能力，将会成为产品一个标配。(Gartner)Source:Gartner 2021Deep Edge AI2 to 5 yearsYou need to start now to meet the market in-timeSource:ABI ResearchEdge AI 应用领域效能数据量少/低功耗超低延时实时性的应用降低数据带宽产生和发出有意义的信息加强隐私和安全性数据不需要全部上云和通过网络0110提高精准度从更宽的传感器分析数据工业预测性维护条件检测预测性维护控制系统从家电到工业机器物联网(IoT)智慧城市,

3、智慧楼宇,智慧家庭，和工业自动化Edge AI 在很多领域可以提供价值：5STM32 边缘AI 概览软件工具、模型库、软件参考硬件芯片，开发板（ST以及合作伙伴）设计支持和服务目标应用市场STM32N6绿色能源工业预测性维护计算机视觉家电Joint project with customer model to develop 0-1 projectProven methodologyto accelerate customer AI process Partner ecosystemwith SW service company and UniversityST 边缘AI 成功案例7NanoE

4、dge AI Studio应用微控制器M3 80Mhz算法库类型异常检测使用传感器震动信号RAM/FLASH6K/28K客户挑战使用NEAI，可以简单、快速的部署预测性维护4.0解决方案，不需要传统AI方案所需要的：需要大量数据训练AI模型需要数据专家开发算法解决方案开箱即用。通过基于NanoEdge人工智能技术，将Bob 产品扣在你工厂的机器上，Bob会仔细学习和分析振动，并在问题影响生产线之前发出警告。提供价值只需简单操作，就可以用NanoEdge AI Studio生成优化和有效的机器学习算法。在板学习的能力使用户能够根据特定的设备或环境定制异常检测，以减少漏判和误判。NKE WATTE

5、CONanoEdge AI Studio 应用微控制器STM32L4算法库类型异常检测和分类使用传感器湿度,声学,震动(1 轴和 3轴),温度,气体,压力RAM/FLASH9Kb/17KbIRMA智能维护应用LoRaWAN+BLE+Zigbee,IP67,ATEX Zone 0客户挑战能够预测机械设备中存在的问题，是客户的一个需求点。在设备还在正常运行情况下，预测故障，是一个复杂的过程。解决方案基于多个传感器和嵌入式AI，IRMA 能够在边缘端预测设备失效。首先，IRMA 收集各种数据(震动,温度,压力,湿度,声音和气体)，然后通过不断丰富的数据集和AI算法来做出推理判断。IRMA 可以在故障

6、出现的初期就给出灵敏的预报。提供价值“在团队中没有数据科学专家的情况下，在很短的开发时间内，我们成功地在市场上创造了一个结合嵌入式智能和6个传感器的独特解决方案。IRMA已经被多个工业奖项认可为重大创新，并已被著名客户安装在生产中。”Application of NanoEdge AI Studio 微控制器STM32G4算法库类型异常检测和分类使用传感器电流&震动RAM/FLASH12Kb/20Kb电气解决方案中的预测性维护客户挑战断路器的机械老化很难预测，会导致了不及时的停电和昂贵的生产停工。解决方案NanoEdge人工智能解决方案已成功在断路器内实施，以学习正常的开关模式，并帮助规划预测