人工智能对传感器发展的影响有哪些

“传感器”这个话题在行业有着永恒的热度，常谈常新。随着各个领域在数智化的道路上愈行愈远，传统传感器逐渐不能满足它们的需求。于是传感器也被冠以“智能”之名，获得强劲发展驱动力，并被认为在多领域发挥着至关重要的作用。市场研究机构TMR 的《2031 年智能传感器市场展望》中预测，2021-2031年全球智能传感器市场的复合增长率将高达18.2%。并且基于物联网设备使用量的增加，2031年智能传感器市场将超过2080亿美元。   智能传感器是一种具备感知、计算和通信能力的设备，能够实时地感知环境中的物理量或事件，并将其转化为可用于分析、控制或通信的数字信号。区别于传统传感器技术那样通过追求传感器本身的完善、对传感器的各个环节进行精心设计与调试，而是通过与微处理器/微计算机相结合来实现的。其发展方向也将由单一监测、单一功能对象向多功能、多变量检测融合的方向发展，由信号转换的被动形式向主动信息处理方式发展，由单独的元器件向网络化、系统化方向发展。  

  人工智能加持，传感器边缘化新趋势

凭借能够采集环境中的数据，并通过内置的处理器进行分析和处理的优势，智能传感器越来越多被应用于边缘决策。这一趋势别诸多传感器厂商作为该赛道的新切入点，例如Bosch Sensortec，其推出的BHI260AP自学习运动传感器就是一款将人工智能添加至便携式设备的传感器，其独特的自学习和个性化功能，使用户能够通过定制化健身活动轻松训练设备。  

继BHI260AP之后，Bosch Sensortec又推出了性能进阶的自学习传感器BHI380，这是一款基于IMU的可编程传感器系统，结合了陀螺仪和加速度计，可实现完全自定义。在助力个性化运动训练方面，BHI380和BHI260AP一脉相承。BHI380包含了适用于各种健身追踪功能的自学习人工智能软件，让训练与追踪轻而易举，并可实现个性化健身。同时，专门的游泳追踪软件可以检测游泳风格，切实帮助用户提高游泳能力。此外，BHI380具有良好的性能/功耗比，同时体积小巧，非常适合可穿戴设备。

另一边，意法半导体也在MEMS传感器中嵌入了可编程内核，成功满足了各类市场需求。在这之中发挥重要作用的，是ISPU——智能传感器处理单元。

ISPU以专有数字信号处理为基础，C语言编程，在超低功率硬件电路中采用CMOS技术，可实现实时混合精度AI运算。这种简化的指令集处理器允许量化的AI传感器支持全精度到一位精度的神经网络，从惯性数据中获得充分的活动识别和异常检测精度。  

图源丨ST

意法半导体开发的一款商业产品ISM330IS就装配了ISPU，令处理复杂情况的工业应用程序进入到一个全新的维度。例如，在24小时控制的情况下，系统可能需要快速响应，但由于能量通过电池提供，因此功率预算相对紧张，此时就需要借助ISM330IS的力量。ISM330IS可实现复杂的异常检测算法，对受到电源和空间限制的工业设备进行状态监测（如机器臂和一般设备的改造）。     除了传统的传感器厂商之外，商汤、旷视等AI公司也在探索AI传感器。商汤智能产业研究院发布《AI传感器：智能手机影像新核心》白皮书。该白皮书提到，在智能手机市场缓慢步入瓶颈期的趋势下，影像功能成为产业破局焦点，而AI软件与CMOS图像传感器硬件的融合，将是智能手机影像能力持续提升的破题之道。

过去几年，AI算法让手机的影像能力得到了不小的提升。但在这种方案中，图像传感和AI算法的运行，在不同的硬件上完成，图像传感器提供图像信号，处理器或者AI加速芯片执行AI算法。这会造成能耗资源的浪费，并且难以处理一些需要及时响应的场景。

白皮书指出，融入了AI技术的CMOS图像传感器，可以很好地发挥原始光信号的价值。

在设备获取视觉信号的伊始，AI传感器就可以进行优化和处理，增强真实世界感知、提高图像和视频的质量、丰富内容细节，同时大限度地降低了设备功耗，并增强了数据安全性。    

从单一到融合，传统感知短板这样补齐

就算是在AI的加持下，单一的传感器信息显然无法满足产品的需要，毕竟AI的“养料”到底还是数据。这就需要为目标产品安装更多的传感器，通过获取多个传感器的信息源来解决问题。

多传感器信息融合技术就是借助特定准则的引导，利用现代计算机技术进行观测和分析多传感器数据，然后对信息进行排序并整合互补信息，从而对目标作出准确预估。背后的直观判断是，我们采集的信息越多，我们对世界的理解就越深入。该技术模拟了人类大脑获取、理解、分析和处理感知信息的整套流程。它利用多个传感器的信息，从不同的角度弥补计算机感知完整性的不足，代表了一种良好的信息处理能力和预判水平。

尤其是在自动驾驶领域。举个例子，CMOS 摄像头在雨雾环境下就会“失明”，强光和弱光环境它也不能处理。现在的雷达技术在分辨率上也有些不合格，可以说每种传感器都有自己的软肋。而与光学传感器相比，雷达明显分辨率较差，不过它在测距功能和恶劣天气下明显更胜一筹。虽然光学传感器在恶劣天气下能力受限，但它依然能识别色彩（交通灯和路标），而且在分辨率上依然有优势。

目前，包括索尼、 Mobileye和Waymo在内的公司目前正专注于物联网传感器技术创新，将摄像头与LiDAR和雷达等其他传感技术相结合，以改善其自动驾驶解决方案的图像分析。由于摄像头、雷达和激光雷达感知环境的不同特征，这种组合背后的想法是为系统提供更丰富的真实世界模型，以决定行动方案或计算输出。总体而言，自动驾驶汽车中的传感器协同工作，提供车辆周围环境的完整图像，使其能够做出安全有效的驾驶决策。

高性能低功耗，智能传感的必由之路

功耗也一直是传感器老生常谈的话题。随着越来越多的传感器使用可再生能源为自己供电，如太阳能或风能，从而消除了更换电池或其他电源的需要。这一创新提高了物联网设备的可靠性和寿命，特别是那些部署在偏远或无法到达的地方的设备，这些设备需要能自我供电，有助于减少整个系统设置对环境的影响，所以低功耗现如今传感器的必然发展路径。

同时，低功耗传感器通常意味着设备的散热需求较低，这意味着可以减小设备的尺寸和重量。此外，减少功耗还可以降低传感器系统的整体成本，因为低功耗设计通常意味着组件可以更小、更经济有效。另一方面，高功耗会导致设备产生过热问题，这可能会降低系统的稳定性并导致故障。通过低功耗设计，可以减少设备的热量产生，提高系统的可靠性和稳定性。

例如在雷达传感器领域，60GHz 和 77GHz 雷达传感器取代了 24GHz 雷达传感器，具有更高的分辨率、更高的精度和更小的外形尺寸。60GHz 和 77GHz 雷达频段还支持了多种新的应用，例如车辆中的儿童存在检测和医院中的老年人跌倒检测。但高性能 60GHz 和 77GHz 片上系统传感器以前在功耗预算紧张的应用中会受到限制。

对此，德州仪器推出了IWRL6432 和 AWRL6432 等新型雷达传感器因采用低功耗架构使得功耗更低，可以支持在工业、个人电子产品和汽车应用中使用雷达。低功耗雷达内置休眠模式和提供有效的运行占空比，能够让传感系统检测到运动，并智能地决定采取行动的时机，其功耗预算在 5mW 以内。这些特点能够让高性能雷达传感应用于电池供电的应用和线路功率有限的应用，而这在以前是无法实现的。

另一边在环境监测方面，矽递科技推出的SenseCAP LoRaWAN S2101温湿度传感器采用内部电池供电，可以在没有外部电源的情况下在建筑物内运行。由于采用了低功耗设计，其电池供电可以保障设备运行5到10年。该设备通过LoRaWAN技术连接，这使它能够使用小功率进行远距离无线传输数据。这使得它非常适合在各种室内室外环境中使用，如办公室、仓库或工厂及户外。  

结 语

智能传感作为物联网时代泛在感知的重要基础，在为传统行业注入新鲜血液的同时，也带领了传感器产业潮流。放眼国际，持续迭代的传感器技术势必将助力涌现更多的应用场景，物联网感知层不久便会迎来新一轮的供需两端热。

编辑：黄飞