市场资讯
行业应用篇 | STM32 边缘AI解决方案为传统工业赋新生
发布日期:2024-06-06    

随着以ChatGPT为代表的AI大模型的衍生应用不断推出,许多终端开始智能化体验升级,从而产生了海量的终端数据分析处理需求。企业的业务部署场景和数据产生正在向端侧、边缘侧“迁移”。

边缘人工智能,又称为“边缘计算”,是指在边缘侧使用人工智能算法和模型处理和分析数据,而不是将数据传输到中央服务器进行处理。

在边缘侧设备中运行AI有很多优势:设备响应速度快、超低延时;降低数据传输量;更有效地保护隐私、增强信息安全;降低边缘侧设备的运行功耗;还可以降低推理成本以实现其他新的功能操作。

目前,逐步成熟并规模化落地的边缘AI应用场景主要集中在工业和物联网领域。

预测性维护

预测性维护(PdM)是工业互联网的重要应用,在上世纪90年代就已经被用于飞机发动机领域。最近几年,随着工业人工智能技术和边缘计算技术的逐步推进和成熟,过去仅仅集中应用于高端装备的预测性维护,可以“飞入寻常百姓家”,具备了大范围应用的经济性前提。

在工业维护 — 状态监测/预测性维护应用中,边缘AI系统可用于实时监测工业设备和系统的健康状况和性能,主动且精确地识别潜在的故障,从而将供电中断的影响降至最低。

预测性维护(PdM)是工业互联网的重要应用

ST基于STM32硬件平台,通过NanoEdge Studio模型创建工具,为工业预测性维护提供完整的解决方案,如为驱动层的变频器、伺服等设备提供的方案自带机器学习功能,只需通过本体电流、电压进行故障检测和预测性维护,用户不需要增加额外的传感器,可以有效节约成本。为确保开发者能够轻松、快速地构建准确、高效的人工智能算法,以经济的方式将算法部署在资源受限的边缘计算设备上,NanoEdge AI Studio现已完全免费,允许在所有STM32 MCU上免费无限量部署。

NanoEdge AI Studio现已完全免费,允许在所有STM32 MCU上免费无限量部署

另一个预测性维护应用场景是振动检测。用户只需在设备外置振动检测小盒子,借助NanoEdge AI库在终端设备上的学习能力进行渐进式学习,通过传感器(振动传感器、超声、温湿度、气压和加速度计)以高精准度实时检测设备的任何偏移或者异常,然后通过不同的通信协议发出警报,以便在发生重大故障之前作出调整。这些功能的实现得益于在超低功耗STM32微控制器上运行的机器学习算法。

借助NanoEdge AI库在终端设备上的学习能力进行渐进式学习

机器视觉

随着工业数字化、智能化转型逐渐深入,市场对于工业机器视觉的需求逐渐增多。机器视觉用计算机模拟人的视觉功能,用于实际检测、测量和控制,具有高度自动化、高效率、高精度和适应较差环境等优点。

在工业领域,机器视觉对计算高效性和实时性有严格要求,将计算资源部署在工业现场附近才能满足需求,因此边缘计算成为关键节点。

机器视觉在工业领域的应用场景主要是通过工业相机进行拍照,并利用AI算法进行快速判断,实现丰富的视觉识别应用,如各种条形码、二维码识别、瑕疵识别/检测、PCB检测、半导体产线破损检测系统等。 

STM32针对机器视觉应用提供了强大的硬件平台,包括集成硬件NPU和丰富视频接口的STM32MCU和MPU。

STM32N6是ST首款集成自研硬件NPU神经网络硬件处理单元的通用微控制器,其算力可达0.6TOPS(每秒0.6万亿次运算)。STM32N6还集成了新IP和视频外设,如MIPI CSI摄像机、机器视觉图像信号处理器(ISP)、H.264视频编码器和支持时间敏感网络(TSN)端点的千兆以太网控制器。此外,STM32N6是一款通用STM32产品,符合工业客户的所有要求,包括在高温环境中工作。

STM32N6是ST首款集成自研硬件NPU神经网络硬件处理单元的通用微控制器

STM32MP2是ST去年推出的第二代MPU产品,是一款带有神经处理单元(NPU)的64位微处理器,采用大小核异构架构:主频为1.5GHz的双核Cortex-A35和主频为400M的Cortex-M33内核,大小核均可单独启动。Cortex-A35大核通常运行基于Linux 或Android 的应用,Cortex-M33核运行基于裸机或RTOS的硬实时应用。异构双核可基于片上共享内存实现高效的双核通信,并可灵活分配片上资源。

STM32MP25具有先进的边缘AI能力以及丰富的多媒体功能。它内置有1.35 TOPS算力(每秒1.35万亿次运算)的NPU加速器,并且还支持带ISP的 MIPI CSI接口,可以实现如机器视觉在内的多种AI应用;STM32MP25还内置有900MHz的3D GPU,全高清视频编解码,并配有ISP处理器的MIPI CSI-2 摄像头接口,以及丰富的显示接口,支持RGB、LVDS 和DSI输出的全高清视频。

基于STM32MP2卓越的处理性能及先进的边缘AI和多媒体功能,开发者可灵活选择在CPU、GPU、NPU上运行AI应用。

STM32MP2卓越的处理性能及先进的边缘AI和多媒体功能

典型应用场景:电梯

边缘AI解决方案为很多传统行业赋予了新价值和新生命,其中一个典型案例就是电梯应用。该应用将预测性维护与机器视觉场景汇于一身,可实现语音识别、视觉识别、手势识别、群控箱智能算法、电梯故障点检测和预测性维护。

智能化电梯预测性维保解决方案融合了云计算、大数据和机器学习的优势,可以对所有连接的设备进行实时监控,并通过数据分析识别潜在问题并提供建议,以便维保人员及时修复故障以及进行预防性保养,大大提升电梯的安全性和可用性。

电梯的机器视觉识别应用将高清影像、精准数据与智能分析融为一体,赋予电梯前所未有的“视觉”、“感知”与“思维”,确保安全、高效运行。具体场景包含:

  • 负责安全、身份识别的人脸识别;
  • 负责电梯安全的危险物品识别(如电瓶车识别,这是最近热议话题);
  • 判断人员流动、计数功能,可配合群控箱算法做群控,实现节能减排的目标

ST 边缘AI助工业客户快速落地

ST为边缘AI提供丰富的硬件产品、软件工具和强大的生态系统,保证开发者能够在MCU和MPU上优化和运行AI模型,帮助工业用户快速落地。

ST为边缘AI提供丰富的硬件产品、软件工具和强大的生态系统

在硬件方面,ST不断推出更多通用和带硬件加速的MCU和MPU,如STM32 N6和STM32MP2。

在软件工具方面,ST提供丰富的软件工具,满足用户的各种需求,包括:

  • NanoEdge AI Studio:面向STM32 MCU的自动化机器学习工具;
  • STM32Cube.AI:适用于STM32 MCU的AI模型优化器;
  • STM32Cube.AI开发者云平台,可创建、优化和生成适用于STM32微控制器的人工智能,以及进行基准测试;
  • X-LINUX-AI,STM32 MPU上面向OpenSTLinux的完整AI框架,可简化基于OpenSTLinux的项目中经训练的AI模型的集成。

ST的目标是通过嵌入式AI,赋能工业自动化,为传统行业开启全新应用可能性,解锁AI应用的普惠之道。下篇文章,我们将探讨工业应用的功能安全和信息安全,敬请关注!

微信扫一扫