智能应用 影音
电子时报移动版服务
event

建构以数据持续驱动、落地验证为循环的智能终端应用

人工智能(AI)与物联网(IoT)技术推升大量智能终端装置的问世,并成功发展多样化的落地应用,让数据加值的服务呈现爆炸式成长,带动更多科技创新与独特商业模式,这个趋势引领AIoT时代的诞生,以往用在云端数据中心的人工智能技术,也逐渐朝向终端装置布署,鉴於这些以微控制器(MCU)为主要运算单元的小型化装置,在有限的运算与储存资源条件下,执行庞大的AI演算法实在力有未逮,一种称为tinyML的小型化机器学习技术浪潮与商机,正悄悄地尝试改变这个生态系统。

阳明交通大学电子工程学系教授李镇宜,受DIGITIMES邀请以「智能终端装置如何迎接tinyML浪潮」为题做一个深入的科技导览,探讨结合MCU与tinyML技术加速落地应用的案例,以争取更多新兴市场商机。新兴物联网装置已经具备能够以极低功耗执行传感的功能,通常耗电也仅有mW(毫瓦特)以下范围,搭配电池做为供电,以及加上诸如常时启动(Always On)的应用,有些用小巧的钮扣电池甚至也能具备5~10年的续航力,提供多面向的使用范例。

 点击图片放大观看

阳明交通大学电子工程学系教授李镇宜。DIGITIMES

李镇宜率先引用智能制造的范例,透过智能读表(Automatic Gauge Reader;AGR)技术,做为机台数据的自动收集系统并加以分析,其使用在传统制造业的场域中,利用摄像机拍摄传统探针式电表的影像,利用从tinyML训练的小型AI演算法来识别电表的数值,再整合到智能平台以启动大数据分析等後续服务。

第二个范例是用在穿戴式装置的应用,这些专司蒐集生理信号量测的贴身小装置,成为移动照护应用的一环,由於使用环境的差异,对於容易产生背景杂讯的应用领域往往影响准确性,於是利用小型AI工具做为智能杂讯消除的用途,以强化数据收集的品质与可用性,成为医疗照护团队一个有效的参考数据,并启动未来智能医疗应用的商机。

第三个范例是智能视觉,可以用做非接触式的监控,或是生理信号量测之用,涵盖诸如人脸侦测与识别的使用范例,逐渐成为一个快速发展的应用领域,做为智能的门禁,甚至整合到未来的智能医疗领域,举凡线上心率侦测等用途,皆具备非常广泛的商用化潜能,台湾甚至有银行利用脸部识别帮客户做身份认证,做为防止洗钱的查证。

一般来说,以ARM Cortex-M系列MCU为主的装置,用在智能传感器的应用,诸如传感声音、振动、温湿度的范例都已经有实际成果,使用ARM Cortex-M0或Cortex-M3的MCU就能有令人满意的效果;而智能影像传感器等应用,考虑到影像数据大小与存储器需求,要完成影像分类及物件侦测工作,则需要用到Cortex-M4与Cortex-M7等级的芯片;若是规格更高的应用,则Cortex-A、Cortex-R或甚至FPGA的硬件组合,都不在话下。

TinyML训练需要考虑有效的数据蒐集,以做为模型训练之用,当然新的模型也会不断需要持续优化,都会牵涉到最後实际应用的效果。目前研究单位与学术机构正在与零售业等产业寻求合作的契机,因为还是需要同步做商业应用的验证,才能找到获得实际场域认可的优化演算法,达到可以商品化的可能。AIoT所处环境与场景非常多元,未来仍需要启动一个可以持续学习,或使用少量数据即可快速学习的能力,才有全面普及化的机会。


  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: AI