Smarte Sensoren AIoT-Projekte beschleunigen

Der MLC, ein Alleinstellungsmerkmal des MEMS-Portfolios von ST, ermöglicht die Verarbeitung lernender Entscheidungsbaum-Modelle direkt im Sensor. Der MLC kann autonom und ohne Einwirkung des Hostsystems arbeiten. Er bürgt für geringe Latenz und einen niedrigen Stromverbrauch und kann auf effiziente Weise Aufgaben wie etwa Klassierungs- und Mustererkennungs-Routinen verarbeiten, die nach AI-Fähigkeiten verlangen.

ST AIoT Craft integriert ferner sämtliche Arbeitsschritte zur Entwicklung und Bereitstellung von IoT-Projekten, die den Sensor für sensorinterne AI-Funktionen nutzen, und bietet hierfür ein ebenso sicheres wie benutzerfreundliches Konzept. Dabei wird robuste Cybersecurity für Daten in der Cloud geboten, und außerdem erfolgt der Zugriff auf das Web-basierte Tool online und ohne Herunterladen auf den Desktop. Für die Benutzer ist dies zeitsparend, da keine Installation erforderlich ist, und auch die Zusammenarbeit zwischen verschiedenen Teammitgliedern wie etwa AI- und Embedded-Software-Spezialisten wird erleichtert.

Einfache Anwendung

Das Tool, das für das Erstellen von Entscheidungsbaum-Modellen vorgesehen ist, umfasst auch die AutoML-Funktion, die automatisch die passenden Attribute, Filter und Fenstergrößen für Sensordatensätze auswählt. Zusätzlich trainiert das Framework den Entscheidungsbaum für die Verarbeitung durch den MLC, und die Konfigurationsdatei für das Deployment des trainierten Modells wird ebenfalls erstellt. Anfängern wird damit eine schnelle und einfache Einführung in die smarten Sensoren von ST geboten, die das Entwickeln von AI-Applikationen erleichtert. Für das Provisioning des IoT-Projekts kann das Gateway mit dem DSM-Tool (Data Sufficiency Module) programmiert werden, das auf intelligente Weise Datenpunkte für die Übertragung in die Cloud filtert, um die Kommunikation zu verbessern, den Stromverbrauch zu minimieren und ein künftiges Retraining zu vereinfachen.

Anhand von Beispielen, zu denen die Überwachung von Lüfterspulen, das Asset-Tracking und die Aktivitäts- und Kopfgesten-Erkennung gehören, wird den Anwendern der Umgang mit Entscheidungsbäumen für IoT-Sensor-to-Cloud-Lösungen nähergebracht. Die Beispiele sind fertig ausgearbeitet, um in Flash-Speicher geladen und zu Erprobungszwecken auf IoT-Referenzboards von ST (zum Beispiel SensorTile.box Pro, STWIN und STWIN.box) ausgeführt zu werden. Anwender können die Beispiele überdies individuell anpassen, um die Entwicklung eigener Projekte zu beschleunigen – sei es mit eigenen Daten oder durch Verbesserung der mitgelieferten Datensätze.

ST AIoT Craft ist Bestandteil des ST Edge AI Suite Repository. Dieses enthält sämtliche Softwaretools, Beispiele und Modelle für die Entwicklung von Machine-Learning-Algorithmen zum Deployment auf Edge-AI-Bausteinen von ST. Dazu zählen neben STM32- und Stellar-Mikrocontrollern (MCUs) auch MEMS-Sensoren, die mit dem MLC oder der Intelligent Sensor Processing Unit (ISPU) ausgestattet sind. ST AIoT Craft ist ab sofort kostenlos im Internet verfügbar. Sie können sich hier registrieren.