标签: ST

意法 | ST机器学习解决方案助力车企探索汽车AI可能性 意法半导体的首款车规机器学习解决方案SL-AIAID012401V1由AEKD-AICAR1评估套件、AI人工智能插件和AutoDevKit车规开发板组成，能够识别驻车、正常路况、崎岖道路、车轮侧滑或突然转向四种汽车状态。 意法半导体的首款车规机器学习解决方案 SL-AIAID012401V1 由 AEKD-AICAR1 评估套件、 AI 人工智能插件和 AutoDevKit 车规开发板组成，能够识别驻车、正常路况、崎岖道路、车轮侧滑或突然转向四种汽车状态。 这是一个难得的机会，可以通过测试和开发汽车人工智能应用，以确定该技术是否适合这个市场。事实上，许多车企还在探索在行业现阶段，机器学习对他们是否有意义。从头开始创建算法需要投入大量的人力和资金。把评估解决方案导入我们的AutoDevKit平台，可以让开发人员更轻松地探索车规人工智能的可行性。 将机器学习引入汽车的挑战 在 寻找正确的应用 ▲ 汽车状态识别系统的整体架构 虽然机器学习的热度在消费市场上稳步上升，但是，汽车行业仍在探究机器学习技术可以为汽车带来什么。几十年来，人工智能一直是汽车行业的一个热门话题，研究人员早在2001年就已经在探索如何在导航系统中应用机器学习。然而，人工智能趋向于用在几种应用场景，例如，自动驾驶或事故检测。此外，出于安全性和可靠性考虑，汽车行业几十年来一直依赖启发式方法。简而言之，汽车制造商在不需要训练神经网络的情况下就已经擅长提供先进的功能。 因此，开发平台必须降低汽车机器学习的技术门槛，同时又不影响设计者构想较为传统的应用。 找到正确的工具 为了帮助开发人员创建他们的杀手级应用程序，无论它是否使用机器学习算法，AEKD-AICAR1都配备了一个带有4mb闪存的MCU，以及 AEK-LCD-DT028V1 显示屏，用于UIs和更一般的应用程序。主板还提供两个CAN FD收发器和两个电位器，用于测试模数转换器的性能。 因此，这个电路板可以连接执行器板驱动电机，处理无线通信功能，或者管理LED等设备。 因此，这块板子的灵活性足以帮助开发团队用其他的系统开发应用。然而，顾名思义，我们的开发团队用AEKD-AICAR1开发应用，因为汽车行业要求降低机器学习的技术门槛。 AEKD-AICAR1：让机器学习变得更好用的解决方案 在 指引开发者 ▲ AEKD-AICAR1套件 AEKD-AICAR1配有 AEK-CON-SENSOR1 连接器板和 AIS2DW12 三轴加速度计。开发人员可以获取MEMS数据，并使用长短期记忆（ LSTM ）递归神经网络(RNN)确定汽车的四种状态。 该套件还旨在简化演示应用的开发，因为AEKD-AICAR1在MCU闪存内预装了提前训练好的神经网络。 LSTM RNN当前版本是在Google Colab环境中使用TensorFlow 2.4.0框架开发的神经网络，然后，我们使用意法半导体的工具将提前训练好的神经网络转换为适合在STM32上运行的C代码库。 为了进一步指导和培训开发者，我们为用户提供了一份Google Colab环境、模型训练、数据采集等工具的 用户入门指南 。 用户可以使用TensorFlow等众多热门机器学习框架创建、训练和验证神经网络，从而使团队能够借用许多现有的 社区项目 。然后，我们还展示了意法半导体神经网络所用人工智能插件是如何优化算法，使其适合在微控制器上运行。简而言之，我们分享我们的知识经验和实用工具，以便开发人员可以更轻松地测试项目，确定机器学习是否适合汽车应用。 使用真实环境 最终，工程师将获得一个程序，这个程序可以让他们尝试用传感器开发新应用，评估自己的需求，并更好地了解从头开始需要付出的成本的一小部分内是可行的需求。在AEKD-AICAR1捆绑包中有连接器板，这意味着用户可以轻松换用另一个传感器，做进一步的评测。汽车行业固有的安全性和可靠性限制要求让开发者无法用市面上可以买到的消费级电路板测试汽车产品概念。 AEKD-AICAR1通过在许多人用于开发实际应用的汽车级平台上进行实验，从而解决了这个问题。 构想原创应用 由于汽车行业的机器学习仍处于起步阶段，用户经常寻找具有最大灵活性的平台。事实上，用一个系统开发多个项目有助于节省时间和资源，例如，有一位客户对LSTM节点稍加改动，即可分析车辆悬架的响应性能，确定弹簧补偿程度，从而改善驾驶体验。同样，开发人员可以用传感器开发新应用，例如，预测电池的充电状态，或将传感器安装在方向盘上，用于检查驾驶员的心率。 简而言之，AEKD-AICAR1灵活多变，应用不限于传统的汽车应用及状态检测。

电子听诊器是一款集成了现代电子技术与便携式设计的医疗设备，有效克服了声学材料噪声高的问题，将 声的声波转换为电信号，然后经过放大和处理，以获得最佳聆听。本次拆解的是一款可视电子听诊器， 采用手握式设计以及电路和芯片的精心搭配使得其具有高效、准确、便捷的特性，这次将详细解析这款设备的工作原理，以及各部分组成和关键器件的作用。 产品正面图： 设备正面有三个按键，可实现开关机、高亮键、存储等功能，其中高亮键可用来调节屏幕背光亮度。屏幕采用断码屏显示，可以清晰地显示出脉搏跳动信息。 产品背面图： 产品背面可以看出来可拆卸的的电池仓盖与拾音结构，拾音头选用的是 老式听诊器的振膜头部分。 产品侧方图： 侧方可以i看到一个旋转开关可以看出产品的整体手持方式，拾音头的角度都是很适合手握检测的。 开始拆解 一、打开拾音头 拾音头的固定与安装是通过卡扣+螺钉的方式进行固定，其中传感元件是单独在一个板子上然后通过线材连接的主控板上，传感器板通过螺钉固定在拾音头。 二、拆卸传感器板卡 振膜头部分以及传感器板与外壳之间不是完全固定在一起的，这样应该可以增加一定抗干扰能力，该款传感器应该为 CM-01B接触式麦克风，这种麦克风具有高灵敏度、低噪音的特性，能够准确捕捉到患者的心跳声，在医用领域应用很广。 三、拆解主体 取下电池仓盖： 可以看到该设备使用两节7号干电池供电； 打开外壳： 卸下四个螺钉就可以打开外壳看到主控板卡了。 四、重点来了，板卡分析 主控芯片： F041丝印芯片是设备的主控芯片，它负责处理拾取的声音信号，并对信号进行处理和分析； 电源部分： 本设备使用的是2节7号锂电池供电，基本电压为3V左右，所以通过ST的6920升压芯片进行升压处理，再经过TLV70033进行LDO稳压，以确保设备各部分稳定工作； 显示和按键： 设备的按键采用轻触按键，可调音量采用旋转按键，断码液晶显示； 滤波与放大： 在声音信号采集后，使用6004、LM393等运放器件进行滤波及多级放大操作。这些运放器件能够对声音信号进行高效、稳定的处理，确保声音信号的真实性和准确性； 声源选择： 电子听诊器可以通过NXP的HEF4052BT进行耳机声源的选择。HEF4052BT是一款四路复用器/多路复用器开关，通过它可以将声音信号传输到耳机插孔或扬声器输出端口，使医生可以根据实际需求进行选择。 声音输出： 可视电子听诊器可以通过耳机插孔连接耳机，使医生能够更清晰地听到患者的心跳声。这部分使用了8002B功放芯片进行声音的放大和输出。 总结： 可视电子听诊器是一款集成了现代电子技术与便携式设计的医疗设备，采用手握式设计，使得其具有高效、准确、便捷的特性。通过对其工作原理以及各部分组成和关键器件的作用的分析，我们可以更好地理解这款设备的性能和功能。还是老物件好，用料非常的扎实，那时候应该进口的器件还没有那么贵吧。

意法 | ST机器学习解决方案助力车企探索汽车AI可能性 意法半导体的首款车规机器学习解决方案SL-AIAID012401V1由AEKD-AICAR1评估套件、AI人工智能插件和AutoDevKit车规开发板组成，能够识别驻车、正常路况、崎岖道路、车轮侧滑或突然转向四种汽车状态。 意法半导体的首款车规机器学习解决方案 SL-AIAID012401V1 由 AEKD-AICAR1 评估套件、 AI 人工智能插件和 AutoDevKit 车规开发板组成，能够识别驻车、正常路况、崎岖道路、车轮侧滑或突然转向四种汽车状态。 这是一个难得的机会，可以通过测试和开发汽车人工智能应用，以确定该技术是否适合这个市场。事实上，许多车企还在探索在行业现阶段，机器学习对他们是否有意义。从头开始创建算法需要投入大量的人力和资金。把评估解决方案导入我们的AutoDevKit平台，可以让开发人员更轻松地探索车规人工智能的可行性。 将机器学习引入汽车的挑战 在 寻找正确的应用 ▲ 汽车状态识别系统的整体架构 虽然机器学习的热度在消费市场上稳步上升，但是，汽车行业仍在探究机器学习技术可以为汽车带来什么。几十年来，人工智能一直是汽车行业的一个热门话题，研究人员早在2001年就已经在探索如何在导航系统中应用机器学习。然而，人工智能趋向于用在几种应用场景，例如，自动驾驶或事故检测。此外，出于安全性和可靠性考虑，汽车行业几十年来一直依赖启发式方法。简而言之，汽车制造商在不需要训练神经网络的情况下就已经擅长提供先进的功能。 因此，开发平台必须降低汽车机器学习的技术门槛，同时又不影响设计者构想较为传统的应用。 找到正确的工具 为了帮助开发人员创建他们的杀手级应用程序，无论它是否使用机器学习算法，AEKD-AICAR1都配备了一个带有4mb闪存的MCU，以及 AEK-LCD-DT028V1 显示屏，用于UIs和更一般的应用程序。主板还提供两个CAN FD收发器和两个电位器，用于测试模数转换器的性能。 因此，这个电路板可以连接执行器板驱动电机，处理无线通信功能，或者管理LED等设备。 因此，这块板子的灵活性足以帮助开发团队用其他的系统开发应用。然而，顾名思义，我们的开发团队用AEKD-AICAR1开发应用，因为汽车行业要求降低机器学习的技术门槛。 AEKD-AICAR1：让机器学习变得更好用的解决方案 在 指引开发者 ▲ AEKD-AICAR1套件 AEKD-AICAR1配有 AEK-CON-SENSOR1 连接器板和 AIS2DW12 三轴加速度计。开发人员可以获取MEMS数据，并使用长短期记忆（ LSTM ）递归神经网络(RNN)确定汽车的四种状态。 该套件还旨在简化演示应用的开发，因为AEKD-AICAR1在MCU闪存内预装了提前训练好的神经网络。 LSTM RNN当前版本是在Google Colab环境中使用TensorFlow 2.4.0框架开发的神经网络，然后，我们使用意法半导体的工具将提前训练好的神经网络转换为适合在STM32上运行的C代码库。 为了进一步指导和培训开发者，我们为用户提供了一份Google Colab环境、模型训练、数据采集等工具的 用户入门指南 。 用户可以使用TensorFlow等众多热门机器学习框架创建、训练和验证神经网络，从而使团队能够借用许多现有的 社区项目 。然后，我们还展示了意法半导体神经网络所用人工智能插件是如何优化算法，使其适合在微控制器上运行。简而言之，我们分享我们的知识经验和实用工具，以便开发人员可以更轻松地测试项目，确定机器学习是否适合汽车应用。 使用真实环境 最终，工程师将获得一个程序，这个程序可以让他们尝试用传感器开发新应用，评估自己的需求，并更好地了解从头开始需要付出的成本的一小部分内是可行的需求。在AEKD-AICAR1捆绑包中有连接器板，这意味着用户可以轻松换用另一个传感器，做进一步的评测。汽车行业固有的安全性和可靠性限制要求让开发者无法用市面上可以买到的消费级电路板测试汽车产品概念。 AEKD-AICAR1通过在许多人用于开发实际应用的汽车级平台上进行实验，从而解决了这个问题。 构想原创应用 由于汽车行业的机器学习仍处于起步阶段，用户经常寻找具有最大灵活性的平台。事实上，用一个系统开发多个项目有助于节省时间和资源，例如，有一位客户对LSTM节点稍加改动，即可分析车辆悬架的响应性能，确定弹簧补偿程度，从而改善驾驶体验。同样，开发人员可以用传感器开发新应用，例如，预测电池的充电状态，或将传感器安装在方向盘上，用于检查驾驶员的心率。 简而言之，AEKD-AICAR1灵活多变，应用不限于传统的汽车应用及状态检测。