2021年11月5日—開發(fā)AI工具以構(gòu)建智能物聯(lián)網(wǎng)(IoT)終端的領(lǐng)先開發(fā)商之一SensiML?公司宣布與安森美(onsemi)合作，為自主傳感器數(shù)據(jù)處理和預(yù)測建模提供完整的機器學習方案。 這合作結(jié)合SensiML的Analytics Toolkit開發(fā)軟件與安森美的RSL10傳感器開發(fā)套件，為工業(yè)生產(chǎn)流程控制和監(jiān)測等邊緣感知應(yīng)用創(chuàng)建了一個理想的平臺。 SensiML能在較小的內(nèi)存空間內(nèi)支持AI功能，加上RSL10平臺提供的先進感知和Bluetooth®低功耗聯(lián)接，賦能精密的智能感知，無需對高度動態(tài)的原始傳感器數(shù)據(jù)做云分析。

低功耗自主邊緣節(jié)點應(yīng)用

RSL10傳感器開發(fā)套件具有業(yè)界最低功耗的藍牙低功耗聯(lián)接，它將RSL10無線電與全套環(huán)境和慣性運動傳感器結(jié)合在一塊極小的電路板上，可隨時與SensiML Toolkit聯(lián)接。開發(fā)人員一起使用基于RSL10的平臺和SensiML軟件，可易于將低延遲的本地AI預(yù)測算法添加到他們的工業(yè)可穿戴設(shè)備、機器人、過程控制或預(yù)測性維護應(yīng)用中，無論他們是否具備數(shù)據(jù)科學和AI專知。 由此產(chǎn)生的自動生成的代碼賦能智能感知嵌入式終端，能在事件發(fā)生的地方將原始傳感器數(shù)據(jù)轉(zhuǎn)化為關(guān)鍵的洞察事件，并能實時采取適當?shù)男袆印４送?，智能終端還只在數(shù)據(jù)提供有價值的洞見時才進行通信，大大減少了網(wǎng)絡(luò)流量。

安森美應(yīng)用工程副總裁Dave Priscak說：“對于關(guān)鍵的工業(yè)生產(chǎn)流程來說，基于云的分析增加不想要的、不確定的延遲，且太慢、太遠、太不可靠。 用本地機器學習分析一個關(guān)鍵事件相較用遠程云學習分析的好處，可等同于生產(chǎn)保持在線，設(shè)備不發(fā)生昂貴的停機時間，人員保持安全和生產(chǎn)力。”

SensiML首席執(zhí)行官(CEO) Chris Rogers說：“其他用于邊緣的AutoML方案僅依賴神經(jīng)網(wǎng)絡(luò)分類模型，只有最基本的AutoML規(guī)定，為特定的應(yīng)用產(chǎn)生次優(yōu)的代碼。 我們?nèi)娴腁utoML模型搜索不僅包括神經(jīng)網(wǎng)絡(luò)，還包括一系列經(jīng)典的機器學習算法，以及分段器、功能選擇和數(shù)字信號調(diào)節(jié)變換，以提供最緊湊的模型，滿足應(yīng)用的性能需求?！?