您的吸塵器是否足夠智能，可以真正清潔？

近年來(lái)，各種類(lèi)型和型號的真空吸塵器都實(shí)現了各種新功能。一個(gè)關(guān)鍵功能是地板類(lèi)型檢測，它有助于在許多情況下保持一致操作，并且可以提供許多好處，包括：

? 降低功耗

? 用戶(hù)操作簡(jiǎn)單

? 電機降噪

功耗是所有電池供電型號的關(guān)鍵考慮因素，且在機器人清潔器中尤其重要。

檢測地板類(lèi)型的方法

由于在頭上運行電刷的成本、維護和噪音的改善，無(wú)刷直流電機已經(jīng)占領(lǐng)了更多的市場(chǎng)。實(shí)施逆變器或MCU來(lái)驅動(dòng)BLDC電機的成本越來(lái)越便宜。在這里，我們介紹了一個(gè)典型的案例，該案例采用具有無(wú)傳感器地板類(lèi)型檢測功能的BLDC電機。

圖1. 地板式檢測組件

獲取電機控制信息：與電機控制邏輯共享來(lái)自分流寄存器的反饋信息。

存儲固定長(cháng)度數據：獲取數據的決策窗口。

特征提?。合到y從電機控制信息中提取特定特征。

分類(lèi)：提取后，使用分類(lèi)器對地板類(lèi)型進(jìn)行分類(lèi)。

通過(guò)使用這種實(shí)現方式，由于不需要額外的傳感器，因此可以顯著(zhù)降低BOM成本。

瑞薩電子提供的應用示例

瑞薩電子地板類(lèi)型檢測解決方案專(zhuān)為速度和響應能力而設計，同時(shí)保持高精度。我們以最低的BOM成本利用RA和RX MCU平臺的硬件。在這個(gè)解決方案中，我們使用的是RA6T2 MCU。

在概念驗證（PoC）單元中，我們的模型將地板分為兩種類(lèi)型：軟地板和硬地板。通過(guò)添加訓練數據，您可以輕松增加要分類(lèi)的樓層類(lèi)型數量。

圖2. 解決方案工作流程

圖3. 概念驗證單元

此案例中的模型大?。?/p>

參數：2678bytes

堆棧使用：2560bytes

預分配：12bytes

代碼：2008bytes

使用RA6T2 MCU的推理時(shí)間約為1毫秒至2毫秒。

我們是如何創(chuàng )建應用示例的？

瑞薩電子正在推出各種類(lèi)型的電機控制解決方案，并提供軟件示例。利用瑞薩電子e2 studio IDE和Motor Workbench開(kāi)發(fā)支持工具，用戶(hù)可以?xún)?yōu)化電機參數、收集數據、與真空吸塵器所需的其他功能集成，并最終集成使用Reality AI Tools?模塊生成的任何AI模型。

圖4. Renesas Motor Workbench工具

圖5. e2 studio–Reality AI Tools集成工作流程

我們通過(guò)使用電機控制示例代碼中的現有變量來(lái)收集真實(shí)的電機控制數據，并記錄了地板類(lèi)型的數據以進(jìn)行分類(lèi)。這些數據被輸送到Reality AI的特征提取和訓練引擎，以開(kāi)發(fā)和輸出模型。我們實(shí)現了100%的訓練K-Fold準確率，這促使我們選擇該模型進(jìn)行實(shí)時(shí)測試和基準測試。同時(shí)，Reality AI 的BOM優(yōu)化功能會(huì )從電機信息的數十個(gè)現有變量中建議最佳的信息組合使用，并最大限度地減少資源需求。

圖6. Reality AI Tools訓練結果

在實(shí)際硬件上實(shí)施模型之前，可以使用另一個(gè)未用于訓練的記錄數據集對模型進(jìn)行測試，以便在Reality AI上進(jìn)行確認，以減少開(kāi)發(fā)工作量。一旦達到預期的精度，該模型就會(huì )被重新集成到e2 studio項目中。然后，該模型在現場(chǎng)環(huán)境中進(jìn)行了廣泛的測試。

要將機器學(xué)習模型產(chǎn)品化，有時(shí)需要了解機器學(xué)習模型的工作原理以及它如何確定結果以避免黑盒情況。Reality AI還為解決方案提供了此類(lèi)情況，并可以使用決策顯著(zhù)性圖顯示哪些特征重要，哪些特征不太重要。

圖7. Reality AI Tools決策顯著(zhù)性圖

在進(jìn)一步或將來(lái)增強的情況下，瑞薩還提供了一種重新訓練模型的方法。只需更新機器學(xué)習模型參數，即可輕松改進(jìn)Reality AI Tools創(chuàng )建的模型。這些參數可以放置在flash的單獨區域，例如數據區域，并且可以通過(guò)無(wú)線(xiàn)（OTA）非常容易地更新。

結論

地板類(lèi)型檢測示例展示了瑞薩Reality AI Tools在解決實(shí)際挑戰以改善用戶(hù)體驗和為真空吸塵器增強額外功能的能力。我們的AI模型占用空間小，并且可以通過(guò)利用廣泛的數據收集來(lái)進(jìn)行靈活的擴展。