IA na Borda: Microchip e Aprendizado de Máquina Embarcado

imagem de destaque 81

A automação há muito tempo fascina mentes inovadoras, desde a Grécia Antiga. O século XX viu uma rápida adoção de tecnologias de automação graças à eletrificação em massa no início do século e à invenção de semicondutores na segunda metade do século. No entanto, a automação normalmente fica restrita a espaços rigidamente controlados, como fábricas, onde todos os cenários podem ser planejados e considerados no projeto dos sistemas associados. O mundo real tende a ser muito menos previsível e, portanto, a adoção de sistemas autônomos tem sido relativamente mínima devido a questões de segurança. Dito isso, a automação promete benefícios significativos demais para serem ignorados. Por exemplo, poderia devolver a liberdade de mobilidade às pessoas com paraplegia graças à adoção de veículos autônomos.

Os algoritmos de Aprendizado de Máquina estão posicionados para serem atores essenciais na curva da adoção de sistemas autônomos. O grande interesse para os desenvolvedores de sistemas embarcados é combinar esses algoritmos eficientes, semelhantes ao funcionamento do cérebro, com microcontroladores e sensores baratos, porém poderosos. Essa união tecnológica deu origem à chamada computação de ponta, que promete bilhões de sistemas eletrônicos embarcados acessíveis interagindo com o mundo físico quase que instantaneamente – um apelo significativo da conexão de internet de ponta. Portanto, a computação de ponta pode trazer recursos baseados em Aprendizado de Máquina sem concessões até mesmo para os locais mais remotos, sem conectividade. O resultado final é que a computação de ponta representa uma revolução na automação, tanto em escala quanto em capacidade.

Com esta revolução, os desenvolvedores de sistemas embarcados estão sendo desafiados a reimaginar uma ampla gama de produtos de consumo e industriais para aproveitar as tecnologias de Aprendizado de Máquina para torná-los mais seguros, fáceis de usar ou mais eficientes. Felizmente, empresas como a Microchip Technology oferecem placas de desenvolvimento baratas, mas poderosas, que permitem aos desenvolvedores explorar e integrar tecnologias centradas em Aprendizado de Máquina em protótipos de produtos de forma rápida. Exploraremos como a prototipagem rápida pode ser realizada com o ambiente de desenvolvimento integrado MPLAB X (IDE) da Microchip Technology e sua família de microcontroladores e microprocessadores de 32 bits (Figura 1).

Aprendizado de Máquina: Onde o Silício encontra a ciência do cérebro

Para os humanos, toda a nossa experiência com o mundo físico é processada pelos cem bilhões de neurônios que compõem o cérebro. Sua capacidade de aprender e se adaptar, juntamente com sua extraordinária eficiência energética, tornam o cérebro biológico um triunfo da habilidade de engenharia da natureza. A reprodução de toda a funcionalidade do cérebro artificialmente permanece a décadas de distância (como uma verdadeira inteligência artificial de uso geral). No entanto, certos subconjuntos de capacidade do cérebro podem ser reproduzidos hoje, graças às tecnologias emergentes de aprendizado de máquina. Por exemplo, algoritmos de visão de máquina podem dar aos dispositivos eletrônicos a capacidade de identificar e classificar objetos no campo de visão de uma câmera.

Por que isso é importante? A adoção generalizada da automação significa que os humanos e a tecnologia interagirão com mais frequência e, potencialmente, de maneiras cada vez mais arriscadas. Para mitigar esses riscos, as máquinas devem ser mais hábeis em detectar e compreender o ambiente. A visão de máquina é um desses mecanismos para dar aos dispositivos a capacidade de ver e compreender o espaço físico 3D. De uma perspectiva prática, detectar a presença de um ser humano em um espaço físico é uma capacidade que tem implicações generalizadas em vários casos de uso relacionados à proteção, segurança e assistência a idosos / crianças, para citar alguns.

Algoritmos de Aprendizado de Máquina poderosos requerem hardware igualmente poderoso. A Microchip oferece uma ampla gama de microprocessadores e microcontroladores de 32 bits para atender a quase todos os requisitos de desempenho e custo para desenvolvedores que buscam construir linhas de produtos de Inteligência Artificial na borda.

A Microchip torna mais fácil desenvolver e testar essas soluções usando seus kits de avaliação de Aprendizado de Máquina, como o EV18H79A ou EV45Y33A. O Kit de desenvolvimento de software (SDK) VectorBlox ™ Accelerator permite o projeto de aplicativos de Inteligência Artificial / Aprendizado de Máquina de dimensões pequenas e baixo consumo de energia em PolarFire® Field Programmable Gate Arrays (FPGAs) da Microchip. FPGAs são adequados para aplicativos de Inteligência Artificial na borda, incluindo inferência em ambientes de computação com restrição de energia. Isso ocorre porque os FPGAs podem processar mais operações giga por segundo (GOPS) com maior eficiência de energia do que as unidades de processamento central (CPUs) ou unidades de processamento gráfico (GPUs). Os projetistas podem implementar seus algoritmos em FPGAs PolarFire para atender à crescente demanda por inferência com eficiência energética em aplicações na borda. Além do mais, os FPGAs PolarFire não exigem experiência anterior em projeto utilizando FPGA. O VectorBlox Accelerator SDK da Microchip foi projetado para permitir que os desenvolvedores codifiquem em C / C ++ e programem redes neurais com baixo consumo de energia.

A integração de algoritmos de Visão Computacional com hardware de microcontrolador exige que os desenvolvedores de sistemas embarcados expandam seus conhecimentos e habilidades. Para ajudar nessa educação, a Microchip fez parceria com várias startups focadas em Inteligência Artificial para integrar suas soluções de treinamento em Inteligência Artificial diretamente no MLPAB X IDE. O primeiro é o NanoEdge AI suite da Cartesiam. NanoEdge AI Library é uma ferramenta para pesquisar e integrar bibliotecas de Inteligência Artificial baseadas na linguagem de programação C em seu projeto de firmware embarcado. O AI Studio permite que o desenvolvedor abstraia os detalhes do processamento de sinal e do treinamento do modelo de Aprendizado de Máquina. O resultado final é uma biblioteca estática que pode ser vinculada ao arquivo .c principal e pode ser executada em qualquer um dos microcontroladores baseados em Arm Cortex da Microchip.

O Edge Impulse é um pipeline de implantação e treinamento TinyML completo, incluindo coleta de conjunto de dados, DSP, algoritmos de treinamento de Aprendizado de Máquina, testes e geração de código de inferência altamente eficiente em uma ampla gama de aplicações de sensor, áudio e visão. Graças a um plug-in MPLAB X IDE, os dados de treinamento podem ser enviados rapidamente para o Edge Impulse de quase todos os microcontroladores Arm de 32 bits da Microchip.

Por último, a Microchip também fez parceria com a empresa Motion Gestures para fornecer um mecanismo exclusivo para fornecer recursos de detecção de gestos para sistemas embarcados. As ferramentas da Motion Gestures fornecem ferramentas de detecção de padrões ao desenvolvedor para capturar gestos com base em movimento, toque e visão. Os desenvolvedores podem aproveitar a biblioteca pré-construída de gestos do Motion Gesture ou utilizar um aplicativo de smartphone para treinar seus próprios gestos. Um plug-in para MPLAB X IDE ainda permite que os desenvolvedores integrem facilmente a biblioteca de software Motion Gesture com bibliotecas para uma variedade de sensores Microchip (por exemplo, toque capacitivo, unidades de medição inercial ou IMUs).

MPLAB X IDE é um pacote de desenvolvimento poderoso e altamente expansível para muitos dos microcontroladores e DSPs da Microchip. Ele está disponível para Windows, Mac OS e Linux. Ele oferece vários recursos de grande interesse para desenvolvedores, incluindo um visualizador de dados, um I/O oib viewer e até mesmo uma versão baseada na web que permite aos desenvolvedores acessar seu código-fonte de qualquer computador do mundo.

Figura 1: Infográfico das soluções com tecnologia de Inteligência Artificial e Aprendizado de Máquina para produtos inteligentes (Fonte: Mouser Electronics)

infographic2

Ver a imagem em alta definição

Conclusão

Apresentamos um projeto básico que deve dar a você a confiança e as habilidades para desenvolver seus próprios projetos de visão computacional mais sofisticados, aproveitando os microprocessadores e microcontroladores de 32 bits da Microchip Technology. Como mencionado antes, a visão computacional pode ser útil em várias aplicações de proteção ou segurança. Em vez de iluminar um LED, uma entrada / saída de uso geral (GPIO) poderia acionar um relé para interromper o fluxo de corrente para máquinas pesadas caso uma pessoa entre em um local onde não deveria estar. Ou um dispositivo de segurança pode soar um alarme caso uma pessoa seja detectada após o expediente.

Claro, os desenvolvedores não se limitam a identificar humanos. Os algoritmos de Aprendizado de Máquina podem ser treinados para identificar e classificar qualquer número de tipos de objetos. Ou talvez haja casos de uso em que haja necessidade de algo diferente da identificação visual. Algoritmos de Aprendizado de Máquina de identificação de áudio podem ser substituídos para acionar saídas com base em sons em vez de imagens. Independentemente do tipo de entrada, as ferramentas de hardware e software da Microchip e seus parceiros de inicialização de Inteligência Artificial oferecem um fluxo de trabalho rápido e fácil para levar a capacidade de Aprendizagem de Máquina ao limite.

O resultado final, algoritmos de Aprendizado de Máquina combinados com sistemas embarcados poderosos e de baixo custo estão trazendo automação mais robusta e inteligente para o mundo. Os desenvolvedores de sistemas embarcados agora têm acesso a várias ferramentas para ajudá-los a incorporar a tecnologia de aprendizado de máquina em seus produtos de forma rápida e econômica. Os desenvolvedores de produto prudentes devem perguntar como, e não se, as tecnologias de aprendizado de máquina podem ser adaptadas a seus produtos para fornecer valor adicional aos clientes em potencial. Felizmente, este projeto despertou a imaginação, e você está se perguntando: Como posso aproveitar o aprendizado de máquina para levar a inteligência artificial ao limite em meus produtos?

Para artigos como esse, acesse o link.

Artigo escrito por Mike Parks e publicado no blog da Mouser Electronics: AI on the Edge: Microchip and Embedded Machine Learning.

Traduzido e Adaptado por Equipe Embarcados.

Website | Veja + conteúdo

Mouser Electronics é um dos líderes mundiais em distribuição de semicondutores e componentes eletrônicos e distribuidor autorizado de mais de 500 fornecedores líderes da indústria. Nosso foco é a excelência em serviço ao cliente, oferendo rápida entrega e embarque imediato com a precisão no processo, desde a colocação dos pedidos até a sua entrega. Mouser oferece uma ampla seleção de produtos em estoque para rápido envio a mais de 170 países.

Licença Creative Commons Esta obra está licenciada com uma Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional.

Receba os melhores conteúdos sobre sistemas eletrônicos embarcados, dicas, tutoriais e promoções.

Comentários:
Notificações
Notificar
guest
0 Comentários
Inline Feedbacks
View all comments
Talvez você goste:

Séries

Menu

WEBINAR

Inteligência Artificial na Borda

DATA: 29/06 às 15:00h