近年来,人工智能(AI)在推动各个行业创新方面发挥了关键作用。视觉和语音技术的进步促进了大型智能模型的发展,创造了新的用例,并改善了用户体验。越来越多的应用要求能够在配备微控制器和微处理器的边缘设备上运行的AI,这带来了更低的延迟、更低的能耗以及更强的数据隐私保护等好处。在这些应用中,时间序列数据通常用于开发三类主要任务:异常检测、分类和回归。时间序列数据是指按一致、均匀的时间间隔记录的一系列数据点。
需要时间序列数据的应用
顾名思义,异常检测的目的是识别超出预期的行为。它依赖时间序列数据来检测与正常行为的偏差,从而触发警报或紧急停止,以尽量减少损害。
分类训练模型通过学习数据中的模式来识别和分类输入信息。这包括在训练过程中为数据点分配标签,使模型能够做出准确的决策。一旦模型开发完成,它们可以有效地识别数据中的模式,并对新的输入进行分类。
回归任务旨在根据数据预测连续值,例如基于历史电池放电数据预测电池寿命或进行电机的预测性维护。温度和振动传感器的数据可用于预测随着时间的推移可能发生故障的几率。
尽管还有许多其他用例受益于机器学习和AI开发,但时间序列数据仍是其中最复杂、最动态的一种。
为了在边缘推进AI,我们推出了eIQ® Time Series Studio (eIQ TSS),这是eIQ AI和机器学习开发软件系列中的新工具。eIQ TSS具备自动机器学习工作流程,可简化基于时间序列的机器学习模型在多种微控制器(MCU)器件(如 MCU和)上的开发和部署。
Time Series Studio支持多种传感器输入信号,包括电压、电流、温度、振动、压力、声音和飞行时间等,还支持这些信号的组合,实现多模态传感器融合。其自动机器学习功能使开发人员能够从原始时间序列数据中提取有意义的见解,并快速构建AI模型,以满足微控制器的精度、RAM和存储标准。该工具提供了一个全面的开发环境,包括数据策展、可视化和分析,以及模型的自动生成、优化、模拟和部署。
eIQ® Time Series Studio的分步工作流程
示例应用
为了快速启动开发,我们提供了三个主要任务的示例应用和数据集:异常检测、分类和回归。该工具中包含每个应用的详细信息和分步说明,帮助开发人员顺利开始开发流程。
eIQ Time Series Studio用户界面的主页
数据输入
数据管理对于确保数据清洁、有序和对齐至关重要。例如,当从室外环境中的多个传感器收集数据时,由于环境因素,数据可能会有噪声,且采样率不同。为了确保模型的准确性,必须以时间关系为基础对这些数据进行对齐和同步。
开发人员可以在导入自定义时间序列数据时定义通道和类别的数量。Time Series Studio还提供了多种数据查看选项,包括原始数据、时间数据、统计数据和光谱数据。
eIQ TSS用户界面中的数据集输入页面
训练和优化
当自动机器学习取代传统的手动迭代开发过程进行参数调整、模型和算法搜索时,模型的训练和优化变得更加容易。只需一键即可生成模型,并按精度或闪存/RAM大小进行排序。这将模型训练和优化的时间从几周缩短到几个小时。
eIQ TSS用户界面中的训练页面
模拟
模型训练完成后,可以在虚拟边缘环境中使用不同的未见过的测试数据集对其进行测试和验证。这样可模拟目标设备环境,使开发人员能够在将模型部署到实际硬件之前验证其性能和准确性。
eIQ TSS用户界面中的模拟页面
部署
编译所选模型后,可以为应用生成自定义库。使用该库非常简单,只需两次API调用。一次API调用用于初始化模型,另一个用于运行推理。生成的库可兼容MCUXpresso和Code Warrior IDE。
eIQ TSS用户界面中的部署页面
Data Intelligence
用户通常根据他们的先验知识导入时间序列数据集。然而,如果没有进行全面的数据分析,这可能会影响训练数据的有效性。例如,采样频率可能超过应用程序的要求,或者在分类任务中,每个类别的训练数据量可能不平衡。
为了应对这些挑战,Data Intelligence提供了一种实用工具,可以评估数据集的平衡性和单个数据通道的重要性。该工具不仅可以检测数据不平衡,还能识别可以删除以优化资源的冗余通道。此外,它还推荐最佳采样频率和窗口大小,使用户能够优化数据集,提高质量并获得更准确的分析结果。
eIQ TSS用户界面中的Data Intelligence页面
在这个例子中,我们可以确定:
在12个通道中,有两个可能是非必要的,可以删除它们,以节省资源
原始连续数据的采样率可能过高,建议将其降低到1/16
基于智能分析,用户可以更改未来训练用数据集,从而获得更好的结果。
Time Series Studio提供了一个无缝的端到端解决方案,旨在降低开发人员、合作伙伴及客户使用其数据开发AI解决方案的门槛,并节省时间。结合这一新工具与恩智浦全系列的MCU、应用处理器产品以及用于加速AI工作负载的NPU,我们期待各种规模的组织能够利用AI的能力进行创新和解决复杂问题。
自1.13.1版本起,eIQ Time Series Studio已包含在eIQ工具包中。
作者:
Ted Kao
Ted Kao是恩智浦的AI产品营销总监,负责AI/ML的支持和营销。他拥有20多年的创新技术产品化经验,利用其专业知识推动AI/ML在恩智浦边缘处理器产品组合中的普及。在加入恩智浦之前,他负责NPU、微处理器、微控制器以及高级HMI、音频和多媒体解决方案的产品营销、战略合作关系和产品线管理。Ted现居加州尔湾。