边缘人工智能：微芯片和嵌入式机器学习

Microchip 的 32 位微控制器和 MPLAB X 开发工具支持快速设计和嵌入式机器学习

早在古希腊，自动化就一直吸引着创新思维。由于本世纪早期的大规模电气化和下半叶半导体的发明，20世纪见证了自动化技术的迅速采用。然而，自动化通常仅限于严格控制的空间，例如在设计相关系统时可以规划和考虑每个场景的工厂。现实世界往往难以预测，因此出于安全考虑，自主系统的采用相对较少。也就是说，自动化带来的好处不容忽视。例如，由于采用了自动驾驶汽车，它可以让截瘫患者重获行动自由。

机器学习 (ML) 算法有望成为改变自主系统采用曲线的关键参与者。嵌入式系统开发人员非常感兴趣的是将这些高效的类脑算法与廉价但功能强大的微控制器和传感器相结合。这种技术联盟催生了所谓的边缘计算，它承诺数十亿负担得起的嵌入式电子系统几乎可以瞬间与物理世界交互——这是边缘互联网连接的重要吸引力。因此，边缘计算可以为没有连接的最偏远地区带来无与伦比的 ML 支持功能。归根结底，边缘计算代表了自动化的一场革命，无论是在规模上还是在能力上。

随着这场革命，嵌入式系统开发人员面临着重新构想各种消费和工业产品以利用 ML 技术使它们更安全、更易于使用或更高效的挑战。值得庆幸的是，Microchip Technology等公司提供价格低廉但功能强大的开发板，使开发人员能够探索以 ML 为中心的技术并将其快速集成到产品原型中。我们将探讨如何使用 Microchip Technology 的 MPLAB X 集成开发环境 (IDE) 及其 32 位微控制器和微处理器系列（图 1）完成快速原型制作。

机器学习：当硅遇到脑科学

对于人类来说，我们对物理世界的全部体验都是由构成大脑的千亿个神经元处理的。它的学习和适应能力，加上其非凡的能源效率，使生物大脑成为大自然工程能力的胜利。人工复制整个大脑的功能仍然需要几十年的时间（例如真正的通用人工智能或 AI）。然而，得益于新兴的机器学习技术，如今大脑的某些功能子集可以被复制。例如，机器视觉算法可以让电子设备能够识别和分类相机视野中的物体。 

为什么这很重要？自动化的广泛采用意味着人类和技术将更频繁地交互，并且可能以越来越危险的方式进行交互。为了减轻这些风险，机器必须更善于感知和理解环境。机器视觉就是这样一种机制，它使设备能够看到和理解物理 3D 空间。从实用的角度来看，检测物理空间中是否有人是一种能力，它对与安全、安保和老人/儿童保育相关的众多用例具有广泛的影响，仅举几例。

强大的 ML 算法需要同样强大的硬件。Microchip 提供种类繁多的 32 位微处理器和微控制器，以满足寻求构建边缘人工智能产品线的开发人员的几乎所有性能和成本要求。Microchip 使用其 ML 评估套件（例如 EV18H79A 或 EV45Y33A）可以轻松开发和测试这些解决方案。VectorBlox ™加速器软件开发套件 (SDK) 支持在 Microchip 的 PolarFire ®上设计低功耗、小尺寸 AI/ML 应用程序现场可编程门阵列 (FPGA)。FPGA 非常适合边缘 AI 应用，包括在功率受限的计算环境中进行推理。这是因为与中央处理单元 (CPU) 或图形处理单元 (GPU) 相比，FPGA 每秒可以处理更多的千兆运算 (GOPS)，并且能效更高。设计人员可以在 PolarFire FPGA 上实施他们的算法，以满足边缘应用中对节能推理不断增长的需求。此外，PolarFire FPGA 不需要先前的 FPGA 设计经验。Microchip 的 VectorBlox Accelerator SDK 旨在使开发人员能够使用 C/C++ 进行编码，并对节能神经网络进行编程。

将机器视觉算法与微控制器硬件集成需要嵌入式系统开发人员扩展他们的知识和技能。为帮助进行这种教育，Microchip 与各种专注于 AI 的初创公司合作，将他们的 AI 培训解决方案直接集成到 MLPAB X IDE 中。首先是来自 Cartesiam 的 NanoEdge AI 套件。NanoEdge AI Library 是一种工具，用于搜索基于 C 编程语言的 AI 库并将其集成到您的嵌入式固件项目中。AI Studio 让嵌入式开发人员能够抽象出信号处理和 ML 模型训练的细节。最终结果是一个静态库，可以在主 .c 文件中链接，并且可以在 Microchip 的任何基于 Arm Cortex 的微控制器上运行。

Edge Impulse 是一个完整的 TinyML 训练和部署管道，包括数据集收集、DSP、训练 ML 算法、测试和高效推理代码生成，适用于广泛的传感器、音频和视觉应用程序。得益于 MPLAB X IDE 插件，训练数据可以从几乎所有 Microchip 的 32 位 Arm 微控制器快速发送到 Edge Impulse。

最后，Microchip还与运动手势合作，为嵌入式系统提供了一种独特的手势检测机制。运动手势工具为开发人员提供了基于运动、触摸和视觉捕捉手势的模式检测工具。开发者可以利用Motion Gesture预先构建的手势库，或者利用智能手机应用程序来训练自己的手势。MPLAB X IDE的插件甚至可以让开发人员轻松地将Motion Gesture软件库与各种Microchip传感器（例如电容式触摸、惯性测量单元或IMU）的库集成。

MPLAB X IDE是一个功能强大且高度可扩展的开发套件，适用于 Microchip 的许多微控制器和数字信号处理器。它适用于 Windows、Mac OS 和 Linux。它为嵌入式开发人员提供了许多非常感兴趣的功能，包括数据可视化工具、I/O oib 查看器，甚至是允许开发人员从世界上任何计算机访问其源代码的基于 Web 的版本。

结论

这是一个基本项目，它可以让您有信心和技能通过利用 Microchip Technology 的 32 位微处理器和微控制器来开发您自己的更复杂的机器视觉项目。如前所述，计算机视觉可用于众多安全或安保应用程序。通用输入/输出 (GPIO) 不是点亮 LED，而是可以触发继电器，以在人员进入不该进入的位置时断开流向重型机械的电流。或者，如果下班后有人被发现，安全设备会发出警报。

当然，开发人员不仅限于识别人类。可以训练ML算法来识别和分类任意数量的对象类型。或者，也许有些用例需要视觉识别以外的东西。音频识别 ML 算法可以替代以基于声音而不是图像触发输出。无论输入类型如何，Microchip 及其 AI 初创合作伙伴的硬件和软件工具都提供了一种快速简便的工作流程，可将 ML 功能带到边缘。

归根结底，ML 算法与功能强大、低成本的嵌入式系统相结合，正在为世界带来更强大、更智能的自动化。嵌入式系统开发人员现在可以使用大量工具来帮助他们快速且廉价地将机器学习技术嵌入到他们的产品中。谨慎的产品开发人员应该问，机器学习技术如何而不是是否可以适应他们的产品，从而为潜在客户提供额外价值。希望这个项目激发了想象力，你在问自己：我如何利用机器学习将人工智能带到我的产品的边缘？=

Michael Parks, PE 是 Green Shoe Garage 的联合创始人，Green Shoe Garage 是一家位于马里兰州西部的定制电子设计工作室和嵌入式安全研究公司。他制作了 Gears of Resistance 播客，以帮助提高公众对技术和科学问题的认识。Michael 还是马里兰州的持证专业工程师，并拥有约翰霍普金斯大学的系统工程硕士学位。