边缘智能传感器模块可将系统功耗降低80%

工业应用边缘的最新基于人工智能 （AI） 的解决方案严重依赖来自多个传感器的实时数据。当然，系统中传感器的特性、功能和类型取决于每个应用的要求。

复杂的应用程序执行全面的算法，需要来自多个传感器的数据。随着物联网 （IoT） 解决方案中传感器数量的增加，系统的功耗也会增加。此外，对于要求快速高效地处理系统数据的应用程序，添加传感器会增加延迟风险。

为了克服这些挑战并延长传感器节点的工作时间，在传感器的硅芯片中嵌入AI功能被证明是非常有效的。此外，这种创新方法解决了云计算的一些缺点。该方法构建具有智能计算能力的微型传感器，可以同时运行多种算法并处理传感器数据，只需与外部处理器的通信最少。相反，传感器让处理器休眠，直到传感器的数据存储器中提供适当的结果。然后，传感器通知外部微控制器可用于目标用例的可用数据。

第一代智能传感器包括一个机器学习核心，旨在训练在传感器内部实现的AI模型。该模型将根据实时传感器数据生成结果。第二代智能传感器增加了嵌入式处理能力，可以无延迟地运行多种AI解决方案算法。这些传感器有助于延长功率预算有限的系统模块的运行时间。

扩展这些第二代智能传感器的功能会导致传感器中的处理器，如图1所示。这种方法是意法半导体在其智能传感器处理单元（ISPU）中开创的，可以在边缘同时处理多种AI算法，适用于需要实时惯性传感器输入的关键时间敏感型应用。

图1.包含智能传感器处理单元 （ISPU） 的传感器

带有嵌入式处理单元的最新智能传感器是系统级封装模块，带有几个传感器、一个 ISPU 和中断发生器，可针对不同的应用进行编程。这些解决方案还具有片上传感器集线器，允许将其他传感器连接到模块。

这种新的智能模块方法代表了强大传感器新时代的开始，这些传感器支持依赖传感器数据的实时应用。嵌入这些传感器模块的处理单元是一个超低功耗、高性能的可编程内核，开发人员可用于信号处理和人工智能算法，同时功耗明显低于外部处理器。

真正的创新在于优化的超低功耗硬件电路，用于实时执行任何无线传感器节点的算法，从小型设备或配件到工业5.0的企业解决方案，包括异常检测器，资产跟踪器或工厂自动化设备等。

ISPU和通用Cortex-M0微控制器的电流消耗之间存在很大差异。图 2 显示，在通用微控制器上使用传感器融合算法运行的 6 自由度 （1000-DoF） 传感器功耗为 200μA，而使用 ISPU 时功耗仅为 80μA，电流消耗降低了 330%。我们使用意法半导体ISM1IS进行此测量[3]。来自智能传感器模块中嵌入的 3 轴加速度计和 104 轴陀螺仪的数据推动了该测量中使用的传感器融合。传感器以<>Hz输出数据速率工作。

图2.ISPU 和通用微控制器之间的电流消耗比较。

开发人员可以最好地利用此智能传感器模块，使用内部和外部传感器数据运行算法。该模块在传感器集线器模式下运行时最多可连接四个外部传感器。此外，将传感器集线器触发信号与加速度计/陀螺仪数据就绪信号同步可确保所有传感器数据在时间上同步。

未来趋势

传感器内部的嵌入式AI具有多种优势，包括大幅节省系统功耗，以及更低的延迟和带宽要求。未来几代传感器可能会结合三个主要功能，以最好地利用人工智能技术。这些是传感、自主智能和连接。除此之外，传感器将提供原始数据，并具有更先进、更强大的以人工智能为中心的边缘处理能力。人工智能时代的传感器还将拥有决定应处理和使用哪些传感器数据来实时交付事件发生的结果的自主权。在卸载主处理器的工作的同时，这将进一步减少延迟和隐私泄露。此外，应用程序将使用人工智能传感器的输出来做出决策并采取行动，而无需任何额外的外部处理。

审核编辑：郭婷