智能正在迅速从云端走向边缘现在是时候开始了解智能实时系统

为智能实时系统做好准备

智能正在迅速从云端走向边缘。现在是时候开始了解智能实时系统了。

美国国税局即将到来!事实上，它已经在这里，不幸的是，嵌入式系统工程师已经被抓住并且打瞌睡。您可能已经猜到了，我不是在谈论内部收入服务，而是智能实时系统(IRS)。智能实时系统是基于微控制器的设备，能够通过运行常驻人工智能算法(AI)学习使用数据。

团队可以通过两种不同的方式在其产品中利用人工智能。第一个，也是过去十年中最现实的，一直是在云中执行AI算法。云提供了一个独特的平台，与微控制器上的处理相比，处理能力似乎无限。机器学习(ML)算法可以提供有数据并且被训练以识别否则开发者几乎不可能编程的模式(想想手写字符识别)。

在云中使用机器学习的系统仍然可以使用实时嵌入式系统来收集数据，但是然后将该数据发送到云进行处理，然后任何返回响应将被中继回嵌入式系统。正如读者可以想象的那样，这不是一个实时或确定的操作。但是，在可预见的未来，使用云已经并将继续在应用程序中工作。

赞助商内容Mouser为您提供的

多传感器模块缓解室内农业设计挑战

使用多传感器模块，例如TE Con​​nectivity的AmbiMate，是简化基于受控环境农业(CEA)的工程和发布技术以进一步帮助和养活全世界的重要一步。

第二种方法通常是大多数系统无法实现的，它是处理数据并在微控制器上执行机器学习算法。这是一个更有趣的解决方案，因为它消除了如果需要在云中处理数据则可能存在的延迟。由于以下几个原因，这里的企业潜力巨大：

不再需要可降低物料清单(BOM)成本和系统复杂性的互联网连接

降低云服务和数据处理计划的运营成本

离线产品差异化

减少加工延迟和能耗

提高产品可靠性和潜在安全性

在确定性的实时系统中使用机器学习

在撰写本文时，围绕AI的微控制器问题仅仅持续了大约一年。将智能推向边缘似乎更适合应用处理器，它比微控制器具有更强大的功能。那么我们真的有多接近智能实时系统?

答案将根据您与谁交谈以及最终应用程序的不同而有很大差异，但让我提供一些当前可供开发人员使用的快速示例。

首先，ARM发布了CMSIS-NN，这是一个C库，用于在Cortex-M处理器上运行低级优化的神经网络算法。这允许开发人员设计和训练他们的高级机器学习算法，然后将它们部署到微控制器上。这可以被认为是在没有云的情况下以有效的方式运行机器学习的必要基础。

其次，已经有几种产品可以在资源受限的环境中利用CMSIS-NN。一个很好的例子是OpenMV，它是一个基于STM32的相机模块，并为诸如“”之类的功能提供本地处理。

机器视觉是许多实时嵌入式系统所需的领先智能功能。

相关文章：

在Cortex-M处理器中使用ARM TrustZone的5个技巧/ a>

深入研究ARMv8-M的TrustZone

5学习Python的资源

最后，几家不同的硅制造商正在建立基础设施，以便在微控制器上更容易获得机器学习。ST Microelectronics于2019年1月刚刚宣布推出STM32CubeMX AI扩展，为AI提供神经网络工具箱。这些类型的工具不仅可以在微控制器上访问AI，而且可以快速推动可开发系统类型的革命，并且可能很好地挑战许多公司目前正在为其产品实施的业务模型。

正如我们所看到的，情报正在迅速从云端走向边缘。虽然可能有些人一直希望边缘的情报只是一种营销时尚而且会逐渐消失，但技术事实很快就表明，如果这些功能尚未推出，这些功能很快就会推出。现在是时候开始了解这些技术，以及如何将它们集成到您的路线图中，为时已晚。

Jacob Beningo是一名嵌入式软件顾问，目前与十几个国家的客户合作，通过提高产品质量，成本和上市时间来大幅改变他们的业务。他发表了200多篇关于嵌入式软件开发技术的文章，是一位广受欢迎的演讲者和技术培训师，拥有三个学位，其中包括密歇根大学的工程硕士学位。请随时通过jacob@beningo.com或他的网站与他联系，并注册他的每月Embedded Bytes时事通讯。