神经处理将实时决策带到边缘

机器学习 （ML） 技术为家庭、零售业、 工厂和城市，在那里它检测模式、异常并启动 反应。

边缘是部署机器学习应用程序的理想选择。与 云，边缘处理是实时完成的，更接近用户。 洞察和本地化决策可实现更无缝、同步、 高效的用户体验。

神经网络模型效率的提高和 高速神经网络加速器正在帮助机器学习转向 边缘。恩智浦 i.MX 8M Plus就是一个很好的例子，它是我们EdgeVerse产品组合的新成员。它提供专用机器 学习硬件 - 神经处理单元 （NPU） - 可以 即使在最复杂的神经网络模型上也能执行推理。开发 人员 可以将机器学习推理函数卸载到 NPU，从而允许 高性能 Cortex-A 和 Cortex-M 内核、DSP 和 GPU 可执行其他 系统级或用户应用程序任务。

NPU，结合 i.MX 8M Plus的双图像信号处理器 （ISP） 和 GPU，支持实时图像处理应用，例如 监控、智能零售应用、机器人视觉和家庭健康 显示器。

适用于 i.MX 已经在工业、汽车和 医疗，在边缘采用机器学习是自然而然的一步 使用 i.MX 8M Plus 处理器或其他 i.MX 的应用程序 处理器也是如此。由恩智浦的eIQ机器学习开发提供支持 环境，工程师可以在运行机器之间无缝切换 在 CPU、GPU 或 NPU 上学习模型。®

这些只是 i.MX 8M Plus登陆EE Times的几个原因。 目录端点 AI 加速的前 10 大处理器.

在哪里可以看到 8M Plus i.MX

i.MX 8M Plus 在边缘运行 ML，支持语音、面部、扬声器和 手势识别、物体检测和分割、增强现实、 用于异常检测的环境传感器和控制。

嵌入式系统中的 ML 和视觉为无缝提供了新的可能性 人机交互。通过在边缘执行 ML 算法，系统将 可以分析人们的行为并检测面部细节以估计 人的性别、年龄甚至情绪。保留机器学习数据 边缘处理可保护隐私，消除云依赖性，并 提供瞬时响应时间。

经济高效的 8M Plus i.MX 可实现广泛的应用范围 跨越公共安全、工业机械的人和物体识别 视觉、机器人、手势和情绪检测。左侧的手势 从自动售货机启用免接触式选择 - 该功能 将在后 Covid-19 环境中变得至关重要。

在医疗市场中，基于边缘的 ML 模块允许 自动化、远程测试和监控，具有快速决策和高 可靠性。医疗专业人员可以在以下情况下立即提供帮助 需要监测呼吸和运动模式等数据。

工厂自动化的驱动力越来越高 集成更多基于视觉的系统，i.MX 8M Plus满足了这一需求。在 在这些环境中，ML 参与检查、分析和处理数据 在边缘。i.MX 8M Plus的双摄像头输入可检测多个 可以训练产品和 ML 加速器的角度以确定好 产品从坏。它还具有识别手势的能力 操作员以及操作和确定安全参数。

边缘 ML 的未来

需要安全地处理在边缘捕获的大量数据，以及 消除云延迟正在推动这一转变。

审核编辑：郭婷