面向嵌入式微控制器的邊緣人工智能是一種低功耗、小型化的機器學習技術，能夠在嵌入式設備上進行推理計算，源于物聯網的快速發展以及嵌入式設備計算能力的提升，進而促使智能邊緣節點實現智能化。當前，由于環境中的智能化需求的提升、嵌入式設備的計算能力提升、保護數據隱私等原因，此研究和應用正處于快速發展的階段。

通用的應用開發流程，數據采集、數據預處理、模型訓練、模型優化和轉換模型部署和測試幾個部分組成。

SensiML平臺開發流程

開發板：項目應用的開發板為Arduino Nano 33 BLE Sense,芯片為nRF52840 SoC低功耗芯片。

數據集：采集本人的中文發音“開燈”、“關燈”聲音數據。

特征提取方法：MFCC

識別模型：兩層卷積神經網絡

模型訓練結果：經過100次迭代后，訓練集和測試集的損失值

最后均在0.2以下，正確率達到95.9%。

項目步驟和結果

通過Arduino Nano 33 ble Sense開發板上的錄音器

采集音頻，然后進行推理，判斷音頻為“openlight”、

“closelight”還是“unknow”，如果為“openlight”則控制

燈亮，“closelight”則控制燈滅，“unknow”則保持狀態不變。

訓練結果

關于SensiML公司

SensiML公司是QuickLogic的子公司，提供先進的AutoML軟件工具，使應用程序開發人員能夠快速構建智能IoT設備，將原始傳感器數據轉換為自主有意義的洞察力。

SensiML Analytics Toolkit提供了一個端到端的開發平臺，涵蓋數據收集、標記、算法和固件自動生成以及測試。SensiML Toolkit 支持廣泛的 Arm? Cortex-M和更高級別的微控制器內核、基于 Intel X86的CPU以及異構內核SoC(如Quicklogic的S3平臺)。

審核編輯：湯梓紅