機器學習 （ML） 技術為家庭、零售業、 工廠和城市，在那里它檢測模式、異常并啟動 反應。

邊緣是部署機器學習應用程序的理想選擇。與 云，邊緣處理是實時完成的，更接近用戶。 洞察和本地化決策可實現更無縫、同步、 高效的用戶體驗。

神經網絡模型效率的提高和 高速神經網絡加速器正在幫助機器學習轉向 邊緣。恩智浦 i.MX 8M Plus就是一個很好的例子，它是我們EdgeVerse產品組合的新成員。它提供專用機器 學習硬件 - 神經處理單元 （NPU） - 可以 即使在最復雜的神經網絡模型上也能執行推理。開發 人員 可以將機器學習推理函數卸載到 NPU，從而允許 高性能 Cortex-A 和 Cortex-M 內核、DSP 和 GPU 可執行其他 系統級或用戶應用程序任務。

NPU，結合 i.MX 8M Plus的雙圖像信號處理器 （ISP） 和 GPU，支持實時圖像處理應用，例如 監控、智能零售應用、機器人視覺和家庭健康 顯示器。

適用于 i.MX 已經在工業、汽車和 醫療，在邊緣采用機器學習是自然而然的一步 使用 i.MX 8M Plus 處理器或其他 i.MX 的應用程序 處理器也是如此。由恩智浦的eIQ機器學習開發提供支持 環境，工程師可以在運行機器之間無縫切換 在 CPU、GPU 或 NPU 上學習模型。?

這些只是 i.MX 8M Plus登陸EE Times的幾個原因。 目錄端點 AI 加速的前 10 大處理器.

在哪里可以看到 8M Plus i.MX

i.MX 8M Plus 在邊緣運行 ML，支持語音、面部、揚聲器和 手勢識別、物體檢測和分割、增強現實、 用于異常檢測的環境傳感器和控制。

嵌入式系統中的 ML 和視覺為無縫提供了新的可能性 人機交互。通過在邊緣執行 ML 算法，系統將 可以分析人們的行為并檢測面部細節以估計 人的性別、年齡甚至情緒。保留機器學習數據 邊緣處理可保護隱私，消除云依賴性，并 提供瞬時響應時間。

經濟高效的 8M Plus i.MX 可實現廣泛的應用范圍 跨越公共安全、工業機械的人和物體識別 視覺、機器人、手勢和情緒檢測。左側的手勢 從自動售貨機啟用免接觸式選擇 - 該功能 將在后 Covid-19 環境中變得至關重要。

在醫療市場中，基于邊緣的 ML 模塊允許 自動化、遠程測試和監控，具有快速決策和高 可靠性。醫療專業人員可以在以下情況下立即提供幫助 需要監測呼吸和運動模式等數據。

工廠自動化的驅動力越來越高 集成更多基于視覺的系統，i.MX 8M Plus滿足了這一需求。在 在這些環境中，ML 參與檢查、分析和處理數據 在邊緣。i.MX 8M Plus的雙攝像頭輸入可檢測多個 可以訓練產品和 ML 加速器的角度以確定好 產品從壞。它還具有識別手勢的能力 操作員以及操作和確定安全參數。

邊緣 ML 的未來

需要安全地處理在邊緣捕獲的大量數據，以及 消除云延遲正在推動這一轉變。

審核編輯：郭婷