近年來(lái)，人工智能 (AI) 在推動(dòng)各個(gè)行業(yè)創(chuàng)新方面發(fā)揮了關(guān)鍵作用。視覺和語(yǔ)音技術(shù)的進(jìn)步促進(jìn)了大型智能模型的發(fā)展，創(chuàng)造了新的用例，并改善了用戶體驗(yàn)。越來(lái)越多的應(yīng)用要求能夠在配備微控制器和微處理器的邊緣設(shè)備上運(yùn)行的AI，這帶來(lái)了更低的延遲、更低的能耗以及更強(qiáng)的數(shù)據(jù)隱私保護(hù)等好處。

在這些應(yīng)用中，時(shí)間序列數(shù)據(jù)通常用于開發(fā)三類主要任務(wù)：異常檢測(cè)、分類和回歸。時(shí)間序列數(shù)據(jù)是指按一致、均勻的時(shí)間間隔記錄的一系列數(shù)據(jù)點(diǎn)。

需要時(shí)間序列數(shù)據(jù)的應(yīng)用

顧名思義，異常檢測(cè)的目的是識(shí)別超出預(yù)期的行為。它依賴時(shí)間序列數(shù)據(jù)來(lái)檢測(cè)與正常行為的偏差，從而觸發(fā)警報(bào)或緊急停止，以盡量減少損害。

分類訓(xùn)練模型通過(guò)學(xué)習(xí)數(shù)據(jù)中的模式來(lái)識(shí)別和分類輸入信息。這包括在訓(xùn)練過(guò)程中為數(shù)據(jù)點(diǎn)分配標(biāo)簽，使模型能夠做出準(zhǔn)確的決策。一旦模型開發(fā)完成，它們可以有效地識(shí)別數(shù)據(jù)中的模式，并對(duì)新的輸入進(jìn)行分類。

回歸任務(wù)旨在根據(jù)數(shù)據(jù)預(yù)測(cè)連續(xù)值，例如基于歷史電池放電數(shù)據(jù)預(yù)測(cè)電池壽命或進(jìn)行電機(jī)的預(yù)測(cè)性維護(hù)。溫度和振動(dòng)傳感器的數(shù)據(jù)可用于預(yù)測(cè)隨著時(shí)間的推移可能發(fā)生故障的幾率。

盡管還有許多其他用例受益于機(jī)器學(xué)習(xí)和AI開發(fā)，但時(shí)間序列數(shù)據(jù)仍是其中最復(fù)雜、最動(dòng)態(tài)的一種。

為了在邊緣推進(jìn)AI，恩智浦推出了eIQ Time Series Studio (eIQ TSS)，這是eIQ AI和機(jī)器學(xué)習(xí)開發(fā)軟件系列中的新工具。eIQ TSS具備自動(dòng)機(jī)器學(xué)習(xí)工作流程，可簡(jiǎn)化基于時(shí)間序列的機(jī)器學(xué)習(xí)模型在多種微控制器 (MCU) 器件 (如MCX MCU和i.MX RT跨界MCU) 上的開發(fā)和部署。

Time Series Studio支持多種傳感器輸入信號(hào)，包括電壓、電流、溫度、振動(dòng)、壓力、聲音和飛行時(shí)間等，還支持這些信號(hào)的組合，實(shí)現(xiàn)多模態(tài)傳感器融合。其自動(dòng)機(jī)器學(xué)習(xí)功能使開發(fā)人員能夠從原始時(shí)間序列數(shù)據(jù)中提取有意義的見解，并快速構(gòu)建AI模型，以滿足微控制器的精度、RAM和存儲(chǔ)標(biāo)準(zhǔn)。該工具提供了一個(gè)全面的開發(fā)環(huán)境，包括數(shù)據(jù)策展、可視化和分析，以及模型的自動(dòng)生成、優(yōu)化、模擬和部署。

Time Series Studio的分步工作流程

示例應(yīng)用

為了快速啟動(dòng)開發(fā)，我們提供了三個(gè)主要任務(wù)的示例應(yīng)用和數(shù)據(jù)集：異常檢測(cè)、分類和回歸。該工具中包含每個(gè)應(yīng)用的詳細(xì)信息和分步說(shuō)明，幫助開發(fā)人員順利開始開發(fā)流程。

eIQ Time Series Studio用戶界面的主頁(yè)。

數(shù)據(jù)輸入

數(shù)據(jù)管理對(duì)于確保數(shù)據(jù)清潔、有序和對(duì)齊至關(guān)重要。例如，當(dāng)從室外環(huán)境中的多個(gè)傳感器收集數(shù)據(jù)時(shí)，由于環(huán)境因素，數(shù)據(jù)可能會(huì)有噪聲，且采樣率不同。為了確保模型的準(zhǔn)確性，必須以時(shí)間關(guān)系為基礎(chǔ)對(duì)這些數(shù)據(jù)進(jìn)行對(duì)齊和同步。

開發(fā)人員可以在導(dǎo)入自定義時(shí)間序列數(shù)據(jù)時(shí)定義通道和類別的數(shù)量。Time Series Studio還提供了多種數(shù)據(jù)查看選項(xiàng)，包括原始數(shù)據(jù)、時(shí)間數(shù)據(jù)、統(tǒng)計(jì)數(shù)據(jù)和光譜數(shù)據(jù)。

eIQ TSS用戶界面中的數(shù)據(jù)集輸入頁(yè)面。

訓(xùn)練和優(yōu)化

當(dāng)自動(dòng)機(jī)器學(xué)習(xí)取代傳統(tǒng)的手動(dòng)迭代開發(fā)過(guò)程進(jìn)行參數(shù)調(diào)整、模型和算法搜索時(shí)，模型的訓(xùn)練和優(yōu)化變得更加容易。只需一鍵即可生成模型，并按精度或閃存/RAM大小進(jìn)行排序。這將模型訓(xùn)練和優(yōu)化的時(shí)間從幾周縮短到幾個(gè)小時(shí)。

eIQ TSS用戶界面中的訓(xùn)練頁(yè)面。

模擬

模型訓(xùn)練完成后，可以在虛擬邊緣環(huán)境中使用不同的未見過(guò)的測(cè)試數(shù)據(jù)集對(duì)其進(jìn)行測(cè)試和驗(yàn)證。這樣可模擬目標(biāo)設(shè)備環(huán)境，使開發(fā)人員能夠在將模型部署到實(shí)際硬件之前驗(yàn)證其性能和準(zhǔn)確性。

eIQ TSS用戶界面中的模擬頁(yè)面。

部署

編譯所選模型后，可以為應(yīng)用生成自定義庫(kù)。使用該庫(kù)非常簡(jiǎn)單，只需兩次API調(diào)用。一次API調(diào)用用于初始化模型，另一個(gè)用于運(yùn)行推理。生成的庫(kù)可兼容MCUXpresso和Code Warrior IDE。

eIQ TSS用戶界面中的部署頁(yè)面。

Data Intelligence

用戶通常根據(jù)他們的先驗(yàn)知識(shí)導(dǎo)入時(shí)間序列數(shù)據(jù)集。然而，如果沒有進(jìn)行全面的數(shù)據(jù)分析，這可能會(huì)影響訓(xùn)練數(shù)據(jù)的有效性。例如，采樣頻率可能超過(guò)應(yīng)用程序的要求，或者在分類任務(wù)中，每個(gè)類別的訓(xùn)練數(shù)據(jù)量可能不平衡。

為了應(yīng)對(duì)這些挑戰(zhàn)，Data Intelligence提供了一種實(shí)用工具，可以評(píng)估數(shù)據(jù)集的平衡性和單個(gè)數(shù)據(jù)通道的重要性。該工具不僅可以檢測(cè)數(shù)據(jù)不平衡，還能識(shí)別可以刪除以優(yōu)化資源的冗余通道。此外，它還推薦最佳采樣頻率和窗口大小，使用戶能夠優(yōu)化數(shù)據(jù)集，提高質(zhì)量并獲得更準(zhǔn)確的分析結(jié)果。

eIQ TSS用戶界面中的Data Intelligence頁(yè)面。

在這個(gè)例子中，我們可以確定：

在12個(gè)通道中，有兩個(gè)可能是非必要的，可以刪除它們，以節(jié)省資源

原始連續(xù)數(shù)據(jù)的采樣率可能過(guò)高，建議將其降低到1/16

基于智能分析，用戶可以更改未來(lái)訓(xùn)練用數(shù)據(jù)集，從而獲得更好的結(jié)果。

簡(jiǎn)化邊緣AI開發(fā)

Time Series Studio提供了一個(gè)無(wú)縫的端到端解決方案，旨在降低開發(fā)人員、合作伙伴及客戶使用其數(shù)據(jù)開發(fā)AI解決方案的門檻，并節(jié)省時(shí)間。

結(jié)合這一新工具與恩智浦全系列的MCU、應(yīng)用處理器產(chǎn)品以及用于加速AI工作負(fù)載的NPU，我們期待各種規(guī)模的組織能夠利用AI的能力進(jìn)行創(chuàng)新和解決復(fù)雜問(wèn)題。

自1.13.1版本起，eIQ Time Series Studio已包含在eIQ工具包中。

了解恩智浦解決方案如何推動(dòng)未來(lái)的AI應(yīng)用，請(qǐng)移步至恩智浦人工智能頁(yè)面了解詳情，點(diǎn)擊訪問(wèn)>>

本文作者

Ted Kao是恩智浦的AI產(chǎn)品營(yíng)銷總監(jiān)，負(fù)責(zé)AI/ML的支持和營(yíng)銷。他擁有20多年的創(chuàng)新技術(shù)產(chǎn)品化經(jīng)驗(yàn)，利用其專業(yè)知識(shí)推動(dòng)AI/ML在恩智浦邊緣處理器產(chǎn)品組合中的普及。在加入恩智浦之前，他負(fù)責(zé)NPU、微處理器、微控制器以及高級(jí)HMI、音頻和多媒體解決方案的產(chǎn)品營(yíng)銷、戰(zhàn)略合作關(guān)系和產(chǎn)品線管理。Ted現(xiàn)居加州爾灣。