Czujniki MEMS wraz z ekosystemem do nauki maszynowej

Co to jest MEMS?

MEMS oznacza mikro elektromechaniczne systemy. MEMS zawiera w sobie ruchome struktury 3D.
Firma STMirocelectronics posiada spore portfolio czujników MEMS wraz z ekosystemem do nauki maszynowej. Czujniki te cechują się zmniejszonym zużyciem energii oraz zwiększoną dokładnością (wykrywalność kontekstowa).

Ekosystem ST do uczenia maszynowego w MEMS łączy kilka narzędzi sprzętowych i programowych pomagających projektantom we wdrażaniu, aby pomóc projektantom we wdrażaniu rozpoznawania gestów i aktywności za pomocą sztucznej inteligencji w czujnikach za pomocą algorytmów uczenia maszynowego opartych na klasyfikatorach drzew decyzyjnych.

Deweloperzy rozwiązań IoT mogą zatem wdrożyć dowolny z czujników z rdzeniem uczenia maszynowego (MLC) w środowisku szybkiego prototypowania, aby szybko opracować aplikacje Internetu rzeczy (IoT) o bardzo niskim poborze mocy. Dzięki z natury energooszczędnej konstrukcji czujnika, zaawansowanemu wykrywaniu zdarzeń AI, logice budzenia i przetwarzaniu brzegowemu w czasie rzeczywistym, MLC w czujniku zmniejsza ilość przesyłanych danych systemowych i odciąża przetwarzanie sieciowe.

Rys. 1. Czujniki z wbudowanym rdzeniem uczenia maszynowego.

Najnowsza generacja czujników ST z wbudowanym rdzeniem uczenia maszynowego składa się z 3 bloków.

Wbudowane czujniki (akcelerometr i żyroskop) filtrują dane o ruchu w czasie rzeczywistym przed wysłaniem ich do bloku obliczeniowego, gdzie do przechwyconych danych stosowane są parametry statystyczne zdefiniowane jako „cechy”. Cechy zagregowane w bloku obliczeniowym są następnie wykorzystywane jako dane wejściowe dla trzeciego bloku. Drzewo decyzyjne ocenia parametry statystyczne i porównuje je z określonymi progami w celu zidentyfikowania określonych sytuacji i wygenerowania sklasyfikowanych wyników przesyłanych do MCU.

Rysunek 2. Rdzeń uczenia maszynowego w czujnikach ST.

Czujniki MEMS firmy ST z rdzeniami uczenia maszynowego oferują programistom szeroki zakres możliwości projektowych, umożliwiając im tworzenie własnych wbudowanych algorytmów uczenia maszynowego i budowanie najlepszego drzewa decyzyjnego dla ich aplikacji.

Tworzenie drzewa decyzyjnego możemy podzielić na 5 etapów:

  1. Zbieranie danych z czujników przy wsparciu aplikacji Unicleo-GUI, STBLESensor, Unico-GUI.
  2. Etykietowanie & filtrowanie danych i funkcji konfiguracyjnych z wykorzystaniem Unico-GUI.
  3. Budowa drzewa decyzyjnego z wykorzystaniem Unico-GUI.
  4. Implementacja drzewa decyzyjnego z wykorzystaniem Unico-GUI.
  5. Przetwarzanie nowych danych z wykorzystaniem Unicleo GUI, STBLESensor, Unico-GUI, AlgoBuilder.

Rys. 3 Proces tworzenia drzewa decyzyjnego.

Więcej o procesie tworzenia drzewa decyzyjnego znajdziesz klikając w ten link.

Broszura o czujnikach MEMS: ST21261_flmemsind0421_lr

Skontaktuj się z nami: zakupy@masters.com.pl