一鍵發布任務
發布成功
發布成功
贊賞金額：
支付金額：5元
支付方式：
贊賞成功！
你的贊賞是對作者最大的肯定~?
隨著人工智能和物聯網技術的發展，我們看到智能設備正在加速普及。我們的身邊，漸漸地有智能音箱、早教機器人、掃地機器人等新智能設備品類出現，同時在智能工業、智能城市和智能零售等領域，智能化的腳步也在向前進展。我們看到，在這樣的發展趨勢下，傳統的MCU芯片也在發生著深刻的變化，在向智能化的方向發展。
智能物聯網與MCU智能化
這一波人工智能的興起起源于大數據和深度學習。隨著互聯網的發展，人類社會產生了大量數據，而大數據配合深度神經網絡等算法可以訓練出一些精度極高的機器學習模型，從而能撬動人臉識別，自動駕駛，語音識別等新應用。基于大數據的人工智能中，終端節點負責采集數據并且交給云端，云端服務器反復迭代訓練高精度模型，并最終將這些模型部署到應用中。應當說數據采集和模型訓練的任務分別在終端和云端做目前得到了一致認可，但是具體部署的機器學習模型在何處執行在不同的應用中卻有所不同。
有些應用（如攝像頭內容分析）的模型部署在云端，即終端把原始數據完全回傳給云端，云端在該數據上執行深度學習模型的推理，之后把結果發回給終端，終端再根據云端的結果執行相應操作；而在自動駕駛等應用中模型必須部署在終端，即終端收集到數據后在本地執行深度學習模型的推理，并根據結果作出相應動作。在智能工業等需要在終端執行深度學習模型推理的場景，原來用來執行相關動作的MCU就必須能夠支持這樣的深度學習推理計算，這也就是MCU的智能化。
通常來說，機器學習模型必須部署在終端執行的理由包括傳輸帶寬、反應延遲和安全性等。從傳輸帶寬來考慮，目前物聯網中節點分布在各種場景中，如果要把原始數據直接傳輸到云端，則帶寬開銷非常大，而且無線傳輸的能量開銷也不小。而如果在終端部署機器學習推理則可以省下帶寬的開銷，只需要有選擇性地把部分重要數據傳送到云端，而無需傳輸全部原始數據。
反應延遲也是把深度學習部署在終端的重要理由。目前數據到云端的來回傳送時間通常在數百毫秒級，對于工業機器人等對于延遲有高要求的應用來說無法滿足要求。即使在5G低延遲網絡下，無線網絡的可靠性對于智能工業等要求高可靠性的應用來說也難以滿足需求，偶爾的高延遲甚至數據丟包都可能會造成要求即時反應的機器發生問題，因此會傾向于選擇將深度學習推理的計算放在本地做。
最后，數據的安全性也是一個考量，對于一些敏感應用來說將數據通過網絡傳送給云端服務器意味著存在著數據被入侵的風險——如果黑客通過破解智能工廠與云端服務器的數據從而控制整個工廠將會給工廠帶來巨大損失——而如果把這些計算放在本地則會安全地多。
方案介紹
基于MCU差分升級FOTA方案
運行在各種設備的程序，由于功能的迭代或自身bug的修復，難免需要升級功能，通常升級的程序都是以完整升級包（new app）的方式進行，存在包體積大、耗時長的缺點；
包文件分析顯示一般程序在版本迭代時A、B版本之間的差異部分在10%以內； 顧名思義，差分升級就是提取A、B版本之間的差異，減小包體積、降低升級時間；
該差分算法庫與平臺無關，可移植到各大常用芯片平臺，移植非常簡單，并有文檔介紹操作。
算法為自研算法，目前已有產品在市面上運行。
性能參數
行業分類 : 智能家居
開發平臺 : Atmel 愛特梅爾
交付形式 : 軟件
性能參數 : ，RAM : 1k，flash : 5k
應用場景 : 低速無線，OTA，差分升級，低功耗無線升級
內置32位MCU運算處理內置32位MCU運算處理
方案簡介
采用進口紅外4波段傳感器，
內置32位MCU運算處理，
探測距離50米
角度90度
報警時間3秒
提供元器件清單，電路圖，軟件。
性能參數
行業分類 : 智能家居
開發平臺 : STM 意法半導體
交付形式 : PCBA
性能參數 : 傳感器 : 紅外&紫外
應用場景 : 各種火災隱患場所
我愛方案網是一個電子方案開發供應鏈平臺，提供從找方案到研發采購的全鏈條服務。找方案，上我愛方案網!在方案超市找到合適的方案就可以直接買，沒有找到就到快包定制開發。我愛方案網積累了一大批方案商和企業開發資源，能提供標準的模塊和核心板以及定制開發服務，按要求交付PCBA、整機產品、軟件或IoT系統。更多信息，敬請訪問http://www.tiglon.com.cn
技術服務靳工：15529315703
推薦閱讀：
