tag 标签: ST

相关博文
  • 热度 6
    2023-10-8 14:00
    281 次阅读|
    0 个评论
    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。
  • 热度 7
    2023-10-8 08:13
    1553 次阅读|
    1 个评论
    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。
  • 热度 2
    2023-9-19 13:20
    456 次阅读|
    0 个评论
    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。
  • 热度 4
    2023-9-3 19:10
    268 次阅读|
    0 个评论
    意法 | 传感器的智能之路和实现之道(上) 传感器为什么需要智能?这是一个很好的问题!设想一下,MEMS传感器可以测量如加速度、角速度、压力、温度和湿度等物理量并转化为数字信号,但如果我们的传感器只能简单地采集和传递数据,那它就像一个静默的观察者、被动的上报者,无法主动参与到系统中。 然而,当我们赋予传感器智能时,在算法的加持下,它可以主动地在器件上基于所采集的数据进行融合、分类和预测,从而更加智能地应对各种情况,协助决策,优化产品。 ST作为在MEMS传感器和执行器领域拥有丰富经验和成熟专业知识的公司,其传感器产品是怎么一步步走向智能之路的呢? 上图是ST的传感器智慧功能路线图。最早我们推出基于MLC ( Machine Learning Core,机器学习核心 ) 跟FSM(Finite States Machine,有限状态机)的1.0版本的智慧功能 — ST所有带嵌入式MLC功能的MEMS产品,在产品编号末尾均带有X标记,方便工程师进行识别。在消费级应用上,我们有LSM6DSOX — 针对手机穿戴设备光学防抖应用的器件;LSM6DSRX — 针对虚拟现实跟正常现实无人机应用的器件。工业级应用上我们有ISM330DHCX以及倾角仪IIS2ICLX。 ST MEMS传感器内置的机器学习核心(MLC)基于决策树分类器,可以在传感器中以极低的功耗执行程序化决策树,检测运动数据的同时运行不同任务。具体的机器学习模型设计过程可以参考之前的推文 《 AI技术专题之二:机器学习模型设计过程和MEMS MLC 》 或 《 DT0139设计建议:决策树生成》 MLC与FSM有什么差别? MLC主要用于活动跟踪,即在做一些周期性长时间的运动时,对活动场景进行检测,例如检测人是在走路、跑步、骑车还是乘车;FSM则主要针对短时间一次性动作的手势或姿态识别。 MLC与FSM两者的差异包括 : 1)输入数据源差异 — MLC的输入数据源是非原始数据,而是基于原始数据进行标记并计算的特征值。而FSM基于原始的加速度或陀螺仪的样本数据。 2)逻辑方面的差异 — MLC基于机器学习决策树的逻辑;而FSM基于阀值/计时器的事件触发器的逻辑,进行判断和比较。 3)输出方面的差异 — MLC基于决策树逻辑进行模式匹配,再输出不同的分类结果;FSM则是基于命令和条件进行判断,再输出事件检测的结果。 进入MLC和FSM 2.0阶段后,以LSM6DSV16X/LSM6DSV16BX/LIS2DUX12为代表的器件引入2.0功能并集成了SFLP低功耗融合算法。 SFLP(Sensor Fusion Low Power)是6轴低功耗传感器融合的缩写。ST 6DSV系列IMU中均配置了SFLP功能。 其主要特点包括 : 1)基于加速度及陀螺仪数据进行融合的算法,可以输出游戏旋转矢量,相当于表现在空间姿态的一个四元数。这个四元数也可通过一个算法转换成欧拉角,展现成空间姿态,即从A点移动到B点时,在空间中的运动轨迹。同时这个数据还可以保存在FIFO中。 2)可以输出重力矢量,用来表示重力方向的三维向量。 3)可以提供陀螺仪的bias,相当于陀螺仪一个零偏支持静态校准。同时也集成动态零偏校准算法,实时计算陀螺仪的零偏,减少积分误差。 SFLP低功耗传感器融合在消费电子领域有广泛的应用场景;例如游戏手柄、赛车、AR/VR/MR的游戏装备空间姿态检测;在可穿戴领域,如手表中的运动实时检测和手势识别、耳机TWS的3D空间音效,即当用户移动头部时,音频能够跟随头部运动播放;在手机导航和无人机中,也可以使用SFLP进行3D空间姿态检测。毕竟,SFLP具有卓越的性能 — 不仅可以输出6轴游戏旋转矢量,而且无论静止精度、低动态精度还是高动态精度都非常高。校准时间即达到稳定状态所需要的校准时间仅为0.8秒,姿态稳定时间为0.7秒。功耗方面,在15Hz下仅需3.5µA,120Hz时功耗也只有28µA。 为了方便开发者使用,我们在 GitHub上提供了详细的参考代码 。通过参考代码,开发者可以了解如何实现软件复位,配置加速度陀螺仪量程和ODR,配置FIFO buffer触发中断,设置SFLP数据保存到FIFO中,配置FIFO模式,设置FIFO为stream模式,使能sensor及SFLP算,设置Gbias,陀螺仪零偏动态获取,提高算法的精准度等等细节。 基于专业的MEMS评估母板加上适用于各种工业级、消费级、汽车级传感器的适配板,然后连接电脑,进入Unico-GUI功能界面,通过搜索选择传感器,点击Fusion功能,然后您就可以看见下面视频中的茶壶会跟随板子的移动进行旋转或者说空中姿态检测。 随着SFLP的功能演示,本次ST MEMS的智能传感器之路先告一段落。 在下篇中,我们将呈现另一条智能路径 — ISPU 。
  • 热度 7
    2023-6-30 18:06
    842 次阅读|
    0 个评论
    STM32也能轻松跑Linux了 !米尔STM32MP135核心板开发板体验
    上个月,意法半导体推出了新一代 64位Cortex-A35内核 ,主频高达 1.5GHz 的 STM32MP2x系列微处理器(MPU),这让STM32MP系列处理器又上了一个新的台阶。 最近,收到了一套 米尔基于 STM32MP135核心板及开发板 , 首次接触 STM32MPx处理器, 体验了一下,感觉还不错。 STM32MP135与普通STM32单片机在性能、价格、应用场景等各方面都有差异。同时,STM32MP135并非局限于裸机、RTOS,而是定位于更高的Linux操作系统平台。 下面就结合【米尔基于 STM32MP135核心板及开发板】给大家讲解一下STM32MP135强悍的性能以及开发入门等相关的内容。 硬件平台介绍 STM32MP135的开发板有很多,这里就以米尔的【米尔基于STM32MP135核心板及开发板】为例来给大家讲述。 1、STM32MP135处理器 STM32MP135内核采用Cortex-A7,主频高达1.0GHz,属于入门级的MPU,拥有超高的性价比。 2、米尔基于STM32MP135核心板 米尔基于 STM32MP135核心板主控位 STM32MP135处理器,搭载DDR3L内存、标配4GB eMMC / 256MB Nand FLASH,以及32KB EEPROM,接口类型为邮票孔148PIN,尺寸37mm x 39mm。 应用方向: 充电桩、电池管理、能源管理的方向。 米尔基于 STM32MP135核心板介绍链接: https://www.myir.cn/shows/110/57.html 3、米尔基于STM32MP135底板 米尔基于 STM32MP135底板的外设资源以及接口就比较丰富和多样了。直接给出官方的信息: 轻松入门 早在 2019年,ST就推出了STM32MP1系列MPU,其强大的性能吸引了不少人的关注。但由于当时配套的开发资料以及生态不够完善,入手学习也难住了一大批人。 米尔设计这款 米尔基于 STM32MP135开发板时就考虑到了这个问题,在推出开发板的同时就推出了配套的开发资料。 在 STM32MP135(MYD-YF13X)平台上跑Linux相比于普通STM32跑RTOS要复杂一点,需要具备一定的相关基础知识才行。 当然,米尔也针对新手提供了配套的手把手教程,能让你快速入门。 开发介绍 MYD-YF13X 搭载基于 Linux 5.15.67 版本内核的操作系统,提供了丰富的系统资源和其他软件资源。Linux 系统平台上有许多开源的系统构建框架,米尔核心板基于Yocto 构建和定制化开发。 1、开发环境 Linux开发主机: Debian, Ubuntu, RHEL等。 ST配套工具: STM32CubeProg、STM32CubeMX 安装米尔定制的 SDK 2、构建开发板镜像 第 1步:获取源码 可以从米尔提供链接获取源码。 http://down.myir-tech.com/MYD-YF13X/ 也可以从 github在线获取源码。 PC$ mkdir $HOME/githubPC$ cd $HOME/githubPC$ repo init -u https://github.com/MYiR-Dev/myir-st-manifest.git --no-clone-bundle --depth=1 -m myir-stm32mp1-kirkstone.xml -b develop-yf13xPC$ repo sync 第 2步:快速编译镜像 这里我们需要使用米尔提供的 envsetup.sh 脚本进行环境变量的设置 PC$: DISTRO=openstlinux-weston MACHINE=myd-yf13x-emmc source layers/meta-myir-st/scripts/envsetup.sh 然后,构建 myir-image-full 镜像。注意,选择构建不同的系统镜像,需使用不同的 bitbake 命令参数(具体命令参数可以参看提供的文档)。 第 3步:构建 SDK 米尔已经提供较完整的 SDK 安装包,用户可直接使用。 3、烧录系统镜像 这里使用 ST官方的STM32CubeProg 工具进行烧写,可以在Windows平台,也可以在Linux平台。 提示: 烧录的时间可能有点久,需要耐心等待一会儿。 当然,如果觉得慢,也可以用 SD卡启动(烧写)。 4、修改板级支持包 这一节应该是相对比较重要的,也是相对比较难的,包括 U-boot、 kernel等相关内容的编译与更新。 a.板载 TF-A 编译与更新 获取 TF-A 源代码: PC$ cd /home/workPC$ tar -jxvf MYiR-STM32-tf-a.tar.bz2PC$ cd MYiR-STM32-tf-a 配置和编译源代码:加载 SDK 环境变量到当前 shell: PC$ source /opt/st/myir-yf13x/4.0.4-snapshot/environment-setup-cortexa7t2hf-neon-vfpv4-ostl-linux-gnueabi 进入源代码目录: PC$ cd myir-st-arm-trusted-firmware 配置与编译源代码: PC$ make -f $PWD/../Makefile.sdk all 以上是在独立的交叉编译环境下编译 TF-A,也可以在 Yocto 项目下编译 TF-A。 更新 TF-A:编译好之后,将 TF-A 镜像烧录进 Micro SD 卡,然后使用 dd 命令将镜像烧录到 SD 卡指定分区: PC$: dd if=tf-a-myb-stm32mp135x-512m-sdcard.stm32 of=/dev/mmcblk0p1 conv=fdatasyncPC$: dd if=tf-a-myb-stm32mp135x-512m-sdcard.stm32 of=/dev/mmcblk0p2 conv=fdatasync b.板载 u-boot 编译与更新 在独立的交叉编译环境下编译 u-boot,和上面编译 TF-A 类似,也是和常规的编译u-boot 方法类似。 c.板载 Kernel 编译与更新 加载 SDK 环境变量: PC$ source /opt/st/myir-yf13x/4.0.4-snapshot/environment-setup-cortexa7t2hf-neon-vfpv4-ostl-linux-gnueabi 配置内核 : PC$ make ARCH=arm O="$PWD/../build" myir_stm32mp135x_defconfig 编译内核 : PC$ make ARCH=arm uImage vmlinux dtbs LOADADDR=0xC2000040 O="$PWD/../build"PC$ make ARCH=arm modules O="$PWD/../build" 这个配置可能相对比较复杂,编译时间也相对较长,具体可以参看官方手册。 5、适配硬件平台 这一节就是芯片底层相关的适配(驱动),包括创建设备树、利用 STM32CubeMX 配置GPIO、外设时钟等,以及配置自己用到的管脚。 然后,就是添加自己的一些应用了。到此,基本达到入门这一步了。 最后 如果你想从 STM32单片机裸机、RTOS进阶到Linux,这款STM32MP135【MYC-YF13X开发板】是一个不错的选择。同时,也会用到一些熟悉的生态工具。 这里给出米尔基于 STM32MP135核心板介绍: https://www.myir.cn/shows/110/57.html 米尔电子,专注嵌入式处理器模块设计和研发的高新技术企业,是 领先的嵌入式处理器模组厂商 。米尔电子在嵌入式处理器领域具有 10多年的研发经验,为客户提供基于ARM架构、FPGA架构的CPU模组及充电控制系统等产品和服务;为智能医疗、智能交通、智能安防、物联网、边缘计算、工业网关、人工智能等行业客户,提供定制解决方案和OEM服务。公司通过专业高效的服务帮助客户加速产品上市进程,目前已为行业内10000家以上的企业客户服务。
相关资源