尽管关于边缘人工智能(AI)的讨论甚嚣尘上，但实际实现的设计案例却少之又少。换句话说，我们很少知道AI应用是如何在边缘实现。下面是松下如何在其电动助力自行车中实现AI功能的设计实例。
松下最近推出了校园通勤电动自行车TiMOA。这款电动助力自行车无需额外的硬件，例如压力传感器。因为，它集成了微控制器(MCU)和边缘AI开发工具，创建了一个利用AI功能的轮胎气压监测系统(TPMS)。
图1：电动自行车动力系统由基本单元组成，包括动力单元(带有车载充电器、接线盒、逆变器和DC-DC转换器)和电机单元。来源：意法半导体
该自行车在MCU上运行AI应用程序，无需使用压力传感器即可推断轮胎气压。如有必要，系统会根据来自电机和自行车速度传感器的信息发出给轮胎充气的警告。因此，这项新功能简化了TPMS的设计，同时提高了骑行者的安全性并延长了轮胎的使用寿命。
松下将意法半导体的STM32F3微控制器与其边缘AI开发工具STM32Cube.AI相结合，将通用AI框架学习到的神经网络(NN)模型转换为STM32 MCU的代码，并对这些模型进行优化。
STM32F3基于Arm Cortex-M4，最高工作频率为72MHz。它具有128KB闪存以及最适合电机控制的模拟和数字外设。除了新的充气警告功能外，该MCU还可以确定电动辅助水平并控制电机。
STM32Cube.AI使松下能够实现此边缘AI功能，同时又适合STM32F3的嵌入式内存空间。松下利用STM32Cube.AI缩小了NN模型的大小，并在整个AI功能开发过程中优化了内存分配。STM32Cube.AI快速优化了松下自行车科技(Panasonic Cycle Technology)为STM32F3 MCU开发的NN模型，并在容量有限的闪存中实施。
图2：STM32Cube.AI使人工神经网络映射更加容易，它将来自流行的深度学习库的神经网络转换为在STM32微控制器上运行的优化推理。来源：意法半导体
该设计实例展示了边缘AI是如何在硬件和软件中工作的，这可以促进工业和消费领域的各种设计。
松下自行车科技开发部软件开发部门经理Hiroyuki Kamo表示：“通过将STM32F3 MCU与STM32Cube.AI相结合，我们无需更换硬件即可实现创新的AI功能。”
(原文刊登于EDN美国版，参考链接：Implementing AI at the edge: How it works，由Ricardo Xie编译)
最前沿的电子设计资讯
