-
嵌入式平臺物體追蹤應(yīng)用實例：人臉追蹤風(fēng)扇
本文聚焦基于MCU平臺的物體檢測算法的討論，并提供了一套完整的工程實現(xiàn)示例：人臉追蹤風(fēng)扇。工程不僅提供了一個高效的物體檢測算法，并且實現(xiàn)了一個自動追蹤人體的控制系統(tǒng)，控制雙路舵機轉(zhuǎn)動底座，實現(xiàn)了風(fēng)扇一直跟隨人臉轉(zhuǎn)動。本文所提供的檢測控制系統(tǒng)也可以集成到監(jiān)控設(shè)備，智能家居，工業(yè)自動化領(lǐng)域等等。
-
在MCU端部署GRU模型實現(xiàn)鼾聲檢測
本研究旨在開發(fā)一種在資源受限的微控制器單元(MCU)上運行的方法，用以進行鼾聲檢測。不同于使用CNN進行聲音檢測的方式，我們采用門控循環(huán)單元(GRU)模型以對音頻數(shù)據(jù)進行處理和分析。通過采用優(yōu)化模型結(jié)構(gòu)、模型量化等常用的模型優(yōu)化方式，我們最終成功將GRU模型適配到低功耗的MCU平臺，使其能夠在不依賴外部計算資源的情況下，獨立完成端側(cè)的鼾聲檢測任務(wù)，無需聯(lián)網(wǎng)。實驗結(jié)果表明，該模型在保持較高準確性的同時，能夠有效降低系統(tǒng)算力需求，滿足移動健康監(jiān)測設(shè)備的實時性與便攜性要求。這一研究為鼾癥患者的持續(xù)監(jiān)測和睡眠健康管理提供了一種新的解決方案，同時也拓展了深度學(xué)習(xí)在嵌入式系統(tǒng)中的應(yīng)用前景。
-
在微控制器上實現(xiàn)在設(shè)備端訓(xùn)練的異常檢測
在當前嵌入式系統(tǒng)與人工智能技術(shù)融合的前沿領(lǐng)域，文章聚焦于一種基于單類支持向量機(One-Class SVM)的異常檢測算法，并提供了一套完整的MCU友好的工程實現(xiàn)，不需要依賴于動態(tài)內(nèi)存分配以及文件系統(tǒng)，特別適合于在資源受限的邊緣設(shè)備上進行高效、實時的訓(xùn)練與預(yù)測。我們的方法不僅可以實現(xiàn)在MCU上訓(xùn)練和高效存儲機器學(xué)習(xí)模型，還支持增量學(xué)習(xí)，從而在幾乎不增加計算負擔的前提下，持續(xù)改進模型對實際工況的適應(yīng)能力。我們的實驗裝置是安裝了三軸加速度傳感器的震動源(如風(fēng)扇)，以模擬在工作期間發(fā)出振動的工業(yè)設(shè)備。文章的方法也可以通過替換傳感器和特征計算的預(yù)處理算法來實現(xiàn)對其它設(shè)備的監(jiān)控，以適應(yīng)不同的工況環(huán)境和應(yīng)用的需求。
