近年來，人工智能(AI)在推動各個行業(yè)創(chuàng)新方面發(fā)揮了關鍵作用。視覺和語音技術的進步促進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。越來越多的應用要求能夠在配備微控制器和微處理器的邊緣設備上運行的AI，這帶來了更低的延遲、更低的能耗以及更強的數(shù)據(jù)隱私保護等好處。在這些應用中，時間序列數(shù)據(jù)通常用于開發(fā)三類主要任務：異常檢測、分類和回歸。時間序列數(shù)據(jù)是指按一致、均勻的時間間隔記錄的一系列數(shù)據(jù)點。

需要時間序列數(shù)據(jù)的應用

顧名思義，異常檢測的目的是識別超出預期的行為。它依賴時間序列數(shù)據(jù)來檢測與正常行為的偏差，從而觸發(fā)警報或緊急停止，以盡量減少損害。

分類訓練模型通過學習數(shù)據(jù)中的模式來識別和分類輸入信息。這包括在訓練過程中為數(shù)據(jù)點分配標簽，使模型能夠做出準確的決策。一旦模型開發(fā)完成，它們可以有效地識別數(shù)據(jù)中的模式，并對新的輸入進行分類。

回歸任務旨在根據(jù)數(shù)據(jù)預測連續(xù)值，例如基于歷史電池放電數(shù)據(jù)預測電池壽命或進行電機的預測性維護。溫度和振動傳感器的數(shù)據(jù)可用于預測隨著時間的推移可能發(fā)生故障的幾率。

盡管還有許多其他用例受益于機器學習和AI開發(fā)，但時間序列數(shù)據(jù)仍是其中最復雜、最動態(tài)的一種。

為了在邊緣推進AI，我們推出了eIQ® Time Series Studio (eIQ TSS)，這是eIQ AI和機器學習開發(fā)軟件系列中的新工具。eIQ TSS具備自動機器學習工作流程，可簡化基于時間序列的機器學習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，包括電壓、電流、溫度、振動、壓力、聲音和飛行時間等，還支持這些信號的組合，實現(xiàn)多模態(tài)傳感器融合。其自動機器學習功能使開發(fā)人員能夠從原始時間序列數(shù)據(jù)中提取有意義的見解，并快速構建AI模型，以滿足微控制器的精度、RAM和存儲標準。該工具提供了一個全面的開發(fā)環(huán)境，包括數(shù)據(jù)策展、可視化和分析，以及模型的自動生成、優(yōu)化、模擬和部署。

eIQ® Time Series Studio的分步工作流程

示例應用

為了快速啟動開發(fā)，我們提供了三個主要任務的示例應用和數(shù)據(jù)集：異常檢測、分類和回歸。該工具中包含每個應用的詳細信息和分步說明，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

數(shù)據(jù)輸入

數(shù)據(jù)管理對于確保數(shù)據(jù)清潔、有序和對齊至關重要。例如，當從室外環(huán)境中的多個傳感器收集數(shù)據(jù)時，由于環(huán)境因素，數(shù)據(jù)可能會有噪聲，且采樣率不同。為了確保模型的準確性，必須以時間關系為基礎對這些數(shù)據(jù)進行對齊和同步。

開發(fā)人員可以在導入自定義時間序列數(shù)據(jù)時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，包括原始數(shù)據(jù)、時間數(shù)據(jù)、統(tǒng)計數(shù)據(jù)和光譜數(shù)據(jù)。

eIQ TSS用戶界面中的數(shù)據(jù)集輸入頁面

訓練和優(yōu)化

當自動機器學習取代傳統(tǒng)的手動迭代開發(fā)過程進行參數(shù)調整、模型和算法搜索時，模型的訓練和優(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大小進行排序。這將模型訓練和優(yōu)化的時間從幾周縮短到幾個小時。

eIQ TSS用戶界面中的訓練頁面

模擬

模型訓練完成后，可以在虛擬邊緣環(huán)境中使用不同的未見過的測試數(shù)據(jù)集對其進行測試和驗證。這樣可模擬目標設備環(huán)境，使開發(fā)人員能夠在將模型部署到實際硬件之前驗證其性能和準確性。

eIQ TSS用戶界面中的模擬頁面

部署

編譯所選模型后，可以為應用生成自定義庫。使用該庫非常簡單，只需兩次API調用。一次API調用用于初始化模型，另一個用于運行推理。生成的庫可兼容MCUXpresso和Code Warrior IDE。

eIQ TSS用戶界面中的部署頁面

Data Intelligence

用戶通常根據(jù)他們的先驗知識導入時間序列數(shù)據(jù)集。然而，如果沒有進行全面的數(shù)據(jù)分析，這可能會影響訓練數(shù)據(jù)的有效性。例如，采樣頻率可能超過應用程序的要求，或者在分類任務中，每個類別的訓練數(shù)據(jù)量可能不平衡。

為了應對這些挑戰(zhàn)，Data Intelligence提供了一種實用工具，可以評估數(shù)據(jù)集的平衡性和單個數(shù)據(jù)通道的重要性。該工具不僅可以檢測數(shù)據(jù)不平衡，還能識別可以刪除以優(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，提高質量并獲得更準確的分析結果。

eIQ TSS用戶界面中的Data Intelligence頁面

在這個例子中，我們可以確定：

在12個通道中，有兩個可能是非必要的，可以刪除它們，以節(jié)省資源

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

基于智能分析，用戶可以更改未來訓練用數(shù)據(jù)集，從而獲得更好的結果。

Time Series Studio提供了一個無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)省時間。結合這一新工具與恩智浦全系列的MCU、應用處理器產品以及用于加速AI工作負載的NPU，我們期待各種規(guī)模的組織能夠利用AI的能力進行創(chuàng)新和解決復雜問題。

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

作者：

Ted Kao

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