2021年11月5日，開發(fā)AI工具以構建智能物聯(lián)網(wǎng)(IoT)終端的領先開發(fā)商之一SensiML公司宣布與安森美(onsemi)合作，為自主傳感器數(shù)據(jù)處理和預測建模提供完整的機器學習方案。這合作結合SensiML的Analytics Toolkit開發(fā)軟件與安森美的RSL10傳感器開發(fā)套件，為工業(yè)生產流程控制和監(jiān)測等邊緣感知應用創(chuàng)建了一個理想的平臺。SensiML能在較小的內存空間內支持AI功能，加上RSL10平臺提供的先進感知和Bluetooth低功耗聯(lián)接，賦能精密的智能感知，無需對高度動態(tài)的原始傳感器數(shù)據(jù)做云分析。

　　低功耗自主邊緣節(jié)點應用

　　RSL10傳感器開發(fā)套件具有業(yè)界最低功耗的藍牙低功耗聯(lián)接，它將RSL10無線電與全套環(huán)境和慣性運動傳感器結合在一塊極小的電路板上，可隨時與SensiML Toolkit聯(lián)接。開發(fā)人員一起使用基于RSL10的平臺和SensiML軟件，可易于將低延遲的本地AI預測算法添加到他們的工業(yè)可穿戴設備、機器人、過程控制或預測性維護應用中，無論他們是否具備數(shù)據(jù)科學和AI專知。由此產生的自動生成的代碼賦能智能感知嵌入式終端，能在事件發(fā)生的地方將原始傳感器數(shù)據(jù)轉化為關鍵的洞察事件，并能實時采取適當?shù)男袆?。此外，智能終端還只在數(shù)據(jù)提供有價值的洞見時才進行通信，大大減少了網(wǎng)絡流量。

　　安森美應用工程副總裁Dave Priscak說：“對于關鍵的工業(yè)生產流程來說，基于云的分析增加不想要的、不確定的延遲，且太慢、太遠、太不可靠。用本地機器學習分析一個關鍵事件相較用遠程云學習分析的好處，可等同于生產保持在線，設備不發(fā)生昂貴的停機時間，人員保持安全和生產力?！?/p>

　　SensiML首席執(zhí)行官(CEO)Chris Rogers說：“其他用于邊緣的AutoML方案僅依賴神經(jīng)網(wǎng)絡分類模型，只有最基本的AutoML規(guī)定，為特定的應用產生次優(yōu)的代碼。我們全面的AutoML模型搜索不僅包括神經(jīng)網(wǎng)絡，還包括一系列經(jīng)典的機器學習算法，以及分段器、功能選擇和數(shù)字信號調節(jié)變換，以提供最緊湊的模型，滿足應用的性能需求。”

　　供貨

　　SensiML的Analytics Toolkit和安森美的RSL10傳感器開發(fā)套件都可馬上從各自的公司供貨。欲了解更多信息，請訪問SensiML信息頁 。