eIQ? Time Series Studio簡(jiǎn)介：簡(jiǎn)化邊緣 AI 開(kāi)發(fā)

近年來(lái)，人工智能(AI)在推動(dòng)各個(gè)行業(yè)創(chuàng )新方面發(fā)揮了關(guān)鍵作用。視覺(jué)和語(yǔ)音技術(shù)的進(jìn)步促進(jìn)了大型智能模型的發(fā)展，創(chuàng )造了新的用例，并改善了用戶(hù)體驗。越來(lái)越多的應用要求能夠在配備微控制器和微處理器的邊緣設備上運行的AI，這帶來(lái)了更低的延遲、更低的能耗以及更強的數據隱私保護等好處。在這些應用中，時(shí)間序列數據通常用于開(kāi)發(fā)三類(lèi)主要任務(wù)：異常檢測、分類(lèi)和回歸。時(shí)間序列數據是指按一致、均勻的時(shí)間間隔記錄的一系列數據點(diǎn)。

需要時(shí)間序列數據的應用

顧名思義，異常檢測的目的是識別超出預期的行為。它依賴(lài)時(shí)間序列數據來(lái)檢測與正常行為的偏差，從而觸發(fā)警報或緊急停止，以盡量減少損害。

分類(lèi)訓練模型通過(guò)學(xué)習數據中的模式來(lái)識別和分類(lèi)輸入信息。這包括在訓練過(guò)程中為數據點(diǎn)分配標簽，使模型能夠做出準確的決策。一旦模型開(kāi)發(fā)完成，它們可以有效地識別數據中的模式，并對新的輸入進(jìn)行分類(lèi)。

回歸任務(wù)旨在根據數據預測連續值，例如基于歷史電池放電數據預測電池壽命或進(jìn)行電機的預測性維護。溫度和振動(dòng)傳感器的數據可用于預測隨著(zhù)時(shí)間的推移可能發(fā)生故障的幾率。

盡管還有許多其他用例受益于機器學(xué)習和AI開(kāi)發(fā)，但時(shí)間序列數據仍是其中最復雜、最動(dòng)態(tài)的一種。

為了在邊緣推進(jìn)AI，我們推出了eIQ? Time Series Studio (eIQ TSS)，這是eIQ AI和機器學(xué)習開(kāi)發(fā)軟件系列中的新工具。eIQ TSS具備自動(dòng)機器學(xué)習工作流程，可簡(jiǎn)化基于時(shí)間序列的機器學(xué)習模型在多種微控制器(MCU)器件(如MCX MCU和i.MX RT跨界MCU)上的開(kāi)發(fā)和部署。

Time Series Studio支持多種傳感器輸入信號，包括電壓、電流、溫度、振動(dòng)、壓力、聲音和飛行時(shí)間等，還支持這些信號的組合，實(shí)現多模態(tài)傳感器融合。其自動(dòng)機器學(xué)習功能使開(kāi)發(fā)人員能夠從原始時(shí)間序列數據中提取有意義的見(jiàn)解，并快速構建AI模型，以滿(mǎn)足微控制器的精度、RAM和存儲標準。該工具提供了一個(gè)全面的開(kāi)發(fā)環(huán)境，包括數據策展、可視化和分析，以及模型的自動(dòng)生成、優(yōu)化、模擬和部署。

eIQ? Time Series Studio的分步工作流程

示例應用

為了快速啟動(dòng)開(kāi)發(fā)，我們提供了三個(gè)主要任務(wù)的示例應用和數據集：異常檢測、分類(lèi)和回歸。該工具中包含每個(gè)應用的詳細信息和分步說(shuō)明，幫助開(kāi)發(fā)人員順利開(kāi)始開(kāi)發(fā)流程。

eIQ Time Series Studio用戶(hù)界面的主頁(yè)

數據輸入

數據管理對于確保數據清潔、有序和對齊至關(guān)重要。例如，當從室外環(huán)境中的多個(gè)傳感器收集數據時(shí)，由于環(huán)境因素，數據可能會(huì )有噪聲，且采樣率不同。為了確保模型的準確性，必須以時(shí)間關(guān)系為基礎對這些數據進(jìn)行對齊和同步。

開(kāi)發(fā)人員可以在導入自定義時(shí)間序列數據時(shí)定義通道和類(lèi)別的數量。Time Series Studio還提供了多種數據查看選項，包括原始數據、時(shí)間數據、統計數據和光譜數據。

eIQ TSS用戶(hù)界面中的數據集輸入頁(yè)面

訓練和優(yōu)化

當自動(dòng)機器學(xué)習取代傳統的手動(dòng)迭代開(kāi)發(fā)過(guò)程進(jìn)行參數調整、模型和算法搜索時(shí)，模型的訓練和優(yōu)化變得更加容易。只需一鍵即可生成模型，并按精度或閃存/RAM大小進(jìn)行排序。這將模型訓練和優(yōu)化的時(shí)間從幾周縮短到幾個(gè)小時(shí)。

eIQ TSS用戶(hù)界面中的訓練頁(yè)面

模擬

模型訓練完成后，可以在虛擬邊緣環(huán)境中使用不同的未見(jiàn)過(guò)的測試數據集對其進(jìn)行測試和驗證。這樣可模擬目標設備環(huán)境，使開(kāi)發(fā)人員能夠在將模型部署到實(shí)際硬件之前驗證其性能和準確性。

eIQ TSS用戶(hù)界面中的模擬頁(yè)面

部署

編譯所選模型后，可以為應用生成自定義庫。使用該庫非常簡(jiǎn)單，只需兩次API調用。一次API調用用于初始化模型，另一個(gè)用于運行推理。生成的庫可兼容MCUXpresso和Code Warrior IDE。

eIQ TSS用戶(hù)界面中的部署頁(yè)面

Data Intelligence

用戶(hù)通常根據他們的先驗知識導入時(shí)間序列數據集。然而，如果沒(méi)有進(jìn)行全面的數據分析，這可能會(huì )影響訓練數據的有效性。例如，采樣頻率可能超過(guò)應用程序的要求，或者在分類(lèi)任務(wù)中，每個(gè)類(lèi)別的訓練數據量可能不平衡。

為了應對這些挑戰，Data Intelligence提供了一種實(shí)用工具，可以評估數據集的平衡性和單個(gè)數據通道的重要性。該工具不僅可以檢測數據不平衡，還能識別可以刪除以?xún)?yōu)化資源的冗余通道。此外，它還推薦最佳采樣頻率和窗口大小，使用戶(hù)能夠優(yōu)化數據集，提高質(zhì)量并獲得更準確的分析結果。

eIQ TSS用戶(hù)界面中的Data Intelligence頁(yè)面

在這個(gè)例子中，我們可以確定：

? 在12個(gè)通道中，有兩個(gè)可能是非必要的，可以刪除它們，以節省資源

? 原始連續數據的采樣率可能過(guò)高，建議將其降低到1/16

基于智能分析，用戶(hù)可以更改未來(lái)訓練用數據集，從而獲得更好的結果。

Time Series Studio提供了一個(gè)無(wú)縫的端到端解決方案，旨在降低開(kāi)發(fā)人員、合作伙伴及客戶(hù)使用其數據開(kāi)發(fā)AI解決方案的門(mén)檻，并節省時(shí)間。結合這一新工具與恩智浦全系列的MCU、應用處理器產(chǎn)品以及用于加速AI工作負載的NPU，我們期待各種規模的組織能夠利用AI的能力進(jìn)行創(chuàng )新和解決復雜問(wèn)題。

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產(chǎn)品營(yíng)銷(xiāo)總監，負責AI/ML的支持和營(yíng)銷(xiāo)。他擁有20多年的創(chuàng )新技術(shù)產(chǎn)品化經(jīng)驗，利用其專(zhuān)業(yè)知識推動(dòng)AI/ML在恩智浦邊緣處理器產(chǎn)品組合中的普及。在加入恩智浦之前，他負責NPU、微處理器、微控制器以及高級HMI、音頻和多媒體解決方案的產(chǎn)品營(yíng)銷(xiāo)、戰略合作關(guān)系和產(chǎn)品線(xiàn)管理。Ted現居加州爾灣。