一个利用边缘AI实现局部地区警报的实际案例

编译自Edge Impulse

早期见到对于控制沙尘暴蔓延至关重要。然而，大多数检验子系统也就是说卫星和光学热风险评估，通常在点着火后一到三个小时产生警报。在荒野中的调遣无线光度计链表是对抗沙尘暴的最常用子系统设计之一。但是由于现有电子设备的功耗，受到限制了现场调遣。此外，到此前，这些光度计链表只是一个样本查阅的电子设备，在远离样本生成点的服务器上冲动地查阅样本并将样本发送到运营在服务器上的检验解法，这亦会非常大增加能耗和响应时间段。

外缘机器学习则解决了这一转折。将近似值后的链表样本上传到云端，可非常大增强充电电池平均寿命和子系统响应时间段。嵌入式爱好者 Pratyush Mallick开发了一个集成机器学习的沙尘暴检验方案。

该子系统还包括一个来自 ADI的EV-COG-4050LZ 收纳控制板——一个具备板载电池管理和浮点运算单元的很CMOS Arm Cortex-M4F 中央处理器。通过 Bosch 的 BME688 完成环境值的检验。它是由气体、气压、很低温和温度光度计组成的单一晶圆，专为很CMOS的移动运用于而设计的。它取代了四个法理光度计，并将功耗保持在 12mA 请注意。

辨别；还有只是子系统设计的一个层面。它还须要在检验到事件时发送警告。很CMOS网状网路可以构建这一目标。选择了XBee-2SC组件，传输样本时耗费等于40mA，以及SparkFun Nano Power Timer (TPL5110) 和 Xidas 光子查阅成人教育/开发套件 (EH-EDU-1) 。Power Timer是一个极限很CMOS电子设备，可按设定的时间段每条打开或关闭收纳中央处理器。该开发套件都有一个混合 RHB-1530 充电电池、电池管理器件以及太阳能充电电池板的充放电子系统，可为整个子系统电力供应。

Nano Power Timer定期觉醒中央处理器。控制器觉醒后，从周边环境中的查阅环境样本并拒绝执行外缘 ML 仿真。该仿真预测发生；还有的可能性，如果检验到，RF 组件将被触发并将样本发送到网关链表。否则，该电子设备亦会将自身新的放在排便方式在，在该方式在下，整个子系统耗费 35nA 电流。

的网站基于 Arm 的 mbed OS，可轻松将code移植到不同的 MCU。对于仿真训练和调遣，用到了 Edge Impulse。其具备简化但功能强大的仿真紧密结合更进一步的优势，同时背书 mbed方式在的开发板。

样本的查阅是分析的极其重要值。这里的一个区别于是，Edge Impulse 背书通过其样本转发器或直接上传只见时间段戳的.csv 文件，甚至背书来自第三方板卡的样本记录。由于 EV-COG-4050LZ 板类似于 microSD 连接器，因此样本首先被查阅到 SD 卡上，然后上传到 Edge Impulse 门户。用到不同类型的木材和可燃有机物查阅两大类的样本：

但会：荒野呈现但会的温度、很低温和空气质量。

明火：完全成熟的；还有，很低温很低，温度高，只见有大量固态有机化合物 (VOC)。

累积样本后，Edge Impulse的整个处理来进行是无缝的。该来进行简化了 GUI，用于新设管道的不同块，例如预处理或学习块，并背书调整各个块的值，适度找到最佳的值驱动程式。特征IE适度可视化不同类中的间的重叠区域，并用到户能够相应地可用特征值。

对于嵌入式技术人员来说，解法和仿真选择的一个极其重要值是解谜所必需的内存用到和近似值时间段。 Edge Impulse 在仿真的每个工序中的获取详细的内存占有量和时间段，并让微软在紧密结合仿真时作出决断。

现今，查阅的样本是由神经网路分类的两类，得到的仿真性能如下绘出所示：

该仿真是用到 Edge Impulse 的 C++ 库调遣的，该库与平台无关，可以在任何目标电子设备的任何 IDE 上紧密结合。

该仿真是此类重大项目的极其重要推动因素，因为如果没将智能融入进MCU，则必需将光度计以太网回服务器进行解谜。来回传输样本是一项能源密集型使命，亦会大量耗费充电电池电量。下绘出是电子设备在运营时的电流耗费情况：

为了可持续地用到太阳能运营该电子设备，它必需耗费的光子以内产生的光子。在每毫瓦输出功率至关重要的用例中的，Edge ML 对进一步降很CMOS和硬体 BOM 价格具备深远的影响。