随着机器学习和嵌入式这两项技术在当今社会变得越来越重要，许多人开始尝试在嵌入式系统中使用机器学习。这种方法可以克服使用传统机器学习时可能出现的许多挑战。本文将介绍这种方法的一些优势。
许多决策者在了解到其潜在的经济效益后，就会将机器学习和嵌入式系统结合起来。由于处理过程直接在设备上进行，无需将数据传输到云端，因此通常可以节省资金。
除了降低数据传输成本之外，他们还可以以较少的计算资源在嵌入式系统中使用机器学习。这可能意味着，他们可以在不进行大投资的情况下开始探索机遇。
但是，您必须记住，机器学习和嵌入式系统的结合并不能保证节省成本。当人们认真考虑现有流程中哪些部分对财务要求最高以及目前如何使用云，才更有可能节省成本。
在嵌入式系统上使用机器学习通常无法消除云计算的成本。但它可以帮助公司减少对云的依赖，因为数据处理直接在设备上进行，而不是在云中进行。
想要在嵌入式系统中使用机器学习来节省成本的专业人员应收缩目前花费过多的领域，以及他们认为值得节省的领域。他们还必须记住，节省成本的好处可能不会立竿见影。确定将机器学习纳入其系统的最佳方式通常需要时间，不过相关人员往往会发现他们的工作通过付出和耐心得到了回报。
许多人使用机器学习来提高决策能力。由于数据处理可以直接在嵌入式系统上进行，因此人们常常发现他们几乎可以立即获得有用的信息。
这对于医疗保健等行业来说无疑是有益的，因为在这些行业中，过长的决策时间可能会给病人带来灾难性的并发症。而在所有的工业应用中，人们要面对不断变化的条件，因此也很容易看到它的优势。
Hefring Marine是一家专注于海船嵌入式系统开发的芬兰公司。该公司在名为智能海事辅助系统(IMAS)的产品中采用了机器学习技术。IMAS使用算法来提供船舶应行驶的建议速度，以优化安全性和燃油效率。波浪冲击测量仪也是该系统的一部分，该系统很快还将配备振动监测功能。该公司表示，这些功能可以减少对乘客和船只的不利影响。
该公司的统计数据表明，波浪冲击测量功能可以使猛烈冲击减少70%。它还可以帮助用户减少25%的燃料消耗和二氧化碳排放。此外，它还能为个人出行带来更多益处，最多可节省20%的保险费。
这些都是在嵌入式系统中使用机器学习时，人们可以预期的很好例子。不过，任何考虑购买市售产品的领导者都必须对照他们计划，根据将如何使用这些解决方案，仔细审查所有可能性。一旦确认那些技术先进的产品非常适合其潜在应用，人们就有可能从这些产品中获得理想效果。
各行各业的人们都在不断尝试开发能提高产量和保持高水平生产率的机器。例如，有公司使用点针打标机在其产品上添加序列号、条形码、二维码等。此类设备平均每秒可以在表面上添加四到八个字符。
由于工业产业的领导喜欢通过改进流程来谋求发展，因此许多人对机器学习如何直接在嵌入式系统上发挥作用产生浓厚兴趣也就不足为奇了。随着他们对各种潜在价值的熟悉，延迟的减少很快就变得显而易见。
由于数据处理可以直接在收集信息的设备上进行，因此几乎不存在延迟。随着处理速度的下降，人们几乎可以即时访问和评估数据。
在一个案例中，研究人员开发了一种直接在移动设备上加速机器学习算法训练的方法。他们的研究结果显示，与传统的基于CPU的算法预备方法相比，延迟减少了28.4%。尽管相关人员承认在设备上进行算法训练还面临许多挑战，但他们所取得的有力成果让人们更为坚信，坚持去克服这些挑战一定能取得更多的益处。
训练和运行算法需要消耗大量能源是机器学习热潮带来的缺点之一。不过，随着人们更多地研究嵌入式系统的机器学习，一些人找到了解决该问题可能的方法。其中大部分进展与一个名为tinyML的新兴领域有关。正如其名，它的核心是在低能耗应用中使用机器学习，包括嵌入式系统。
这些用例在设备上或边缘处理数据，大大减少了所需的算力和数据中心存储空间。许多tinyML应用也更具可持续性，因为人们会训练它们只传输人们关心的数据，而不是传输收集到的所有信息。除了节省计算资源之外，这种方法还减少了人类提取有用的见解所需的时间。
tinyML系统对通常使用的微控制器也有帮助。这有助于可持续发展，因为它所需的硬件原材料更少。然而，大多数与嵌入式系统机器学习相关的可持续性成果都与无需使用大量的计算资源就能处理更多数据有关。
这一好处还可以帮助那些想要使用机器学习但难以负担昂贵设备的人。例如，农民可能会使用tinyML系统对农作物进行害虫的自动检测。它可以让他们能使用更有针对性的方法，因而只在需要的时候和地方使用农药，而不是在大面积区域使用。
一些tinyML应用还可以直接支持可持续发展。其中一个例子是大象项圈上的追踪器，它可以捕捉实时位置和图像数据，并识别可能存在的危险。加速度计和音频传感功能可以帮助研究人员进一步了解大象的行为，包括它们的情绪以及它们移动的频率或速度。
这些是在嵌入式系统中构建机器学习功能的一些主要优势。这只是您可能会遇到的一些好处，在您的企业或客户如何处理特定流程方面，还有其他好处您也可能会享受到。请记住，您在开发和部署过程中学到的一切都可以帮助您在未来的工作中获得更好的结果。
(原文刊登于EDN姊妹网站EEWeb，参考链接：4 Benefits of Machine Learning in Embedded Systems，由Ricardo Xie编译。)
最前沿的电子设计资讯
