大多數(shù)物聯(lián)網(wǎng)系統(tǒng)由超低功耗無線傳感器節(jié)點組成，通常是電池供電的，可提供傳感功能。

他們的主要目的是將遙測數(shù)據(jù)發(fā)送到云端進行大數(shù)據(jù)處理。幾乎每家公司都在這樣做，以實現(xiàn)概念驗證（PoC），因為物聯(lián)網(wǎng)成為新的流行語和市場趨勢。云服務提供商擁有漂亮的儀表板，可以在有吸引力的圖表中顯示數(shù)據(jù)，以幫助支持PoC。PoC的主要原因是說服利益相關(guān)者投資物聯(lián)網(wǎng)并證明投資回報，以便為大型項目提供資金。

隨著這個生態(tài)系統(tǒng)的擴大，很明顯，有可能通過云來回發(fā)送太多數(shù)據(jù)。這可能會堵塞帶寬管道，使數(shù)據(jù)更難以足夠快的速度進出云。這還會產(chǎn)生至少令人討厭的延遲，并且極端情況下可能會破壞需要保證吞吐量的應用程序。

盡管5G和Wi-Fi 6E等標準承諾的帶寬和傳輸速度有了重大改進，但與云通信的大量物聯(lián)網(wǎng)節(jié)點已經(jīng)爆炸式增長。除了設(shè)備數(shù)量龐大之外，成本也在增加。早期的物聯(lián)網(wǎng)基礎(chǔ)設(shè)施和平臺投資需要貨幣化，隨著更多節(jié)點的添加，基礎(chǔ)設(shè)施需要既可擴展又有利可圖。

在2019年左右，邊緣計算的想法成為一種流行的解決方案。邊緣計算在本地傳感器網(wǎng)絡(luò)中實現(xiàn)更高級的處理。這最大限度地減少了需要通過網(wǎng)關(guān)到云并返回的數(shù)據(jù)量。這直接降低了成本，并在需要時為其他節(jié)點釋放了帶寬。每個節(jié)點傳輸?shù)臄?shù)據(jù)較少，也有可能減少收集數(shù)據(jù)并將其傳輸?shù)皆扑璧木W(wǎng)關(guān)數(shù)量。

增強邊緣計算的另一個技術(shù)趨勢是人工智能（AI）。早期的AI服務主要是基于云的。隨著創(chuàng)新的發(fā)展和算法的提高，人工智能已經(jīng)非常迅速地轉(zhuǎn)移到終端節(jié)點，其使用正在成為標準做法。一個值得注意的例子是亞馬遜Alexa語音助手。聽到觸發(fā)詞“Alexa”時的檢測和喚醒是邊緣AI的熟悉用法。在這種情況下，觸發(fā)字檢測在系統(tǒng)的微控制器（MCU）中本地完成。成功觸發(fā)后，命令的其余部分將通過Wi-Fi網(wǎng)絡(luò)進入云，在那里完成最苛刻的AI處理。這樣，喚醒延遲將降至最低，從而獲得最佳用戶體驗。

除了解決帶寬和成本問題外，邊緣AI處理還為應用程序帶來了額外的好處。例如，在預測性維護中，可以在電動機中添加小型傳感器來測量溫度和振動。經(jīng)過訓練的AI模型可以非常有效地預測電機何時具有或?qū)⒕哂胁涣驾S承或過載情況。獲得此早期警告對于在電機完全發(fā)生故障之前對其進行維修至關(guān)重要。這種預測性維護大大減少了生產(chǎn)線停機時間，因為在完全故障之前會主動維護設(shè)備。這提供了巨大的成本節(jié)約和最小的效率損失。正如本杰明·富蘭克林所說，“一盎司的預防勝過一磅的治療”。

隨著更多傳感器的添加，網(wǎng)關(guān)也可能被來自本地傳感器網(wǎng)絡(luò)的遙測數(shù)據(jù)淹沒。在這種情況下，有兩種選擇來緩解此數(shù)據(jù)和網(wǎng)絡(luò)擁塞。可以添加更多網(wǎng)關(guān)，也可以將更多邊緣處理推送到終端節(jié)點。

將更多處理推向終端節(jié)點（通常是傳感器）的想法正在進行中，并迅速獲得動力。終端節(jié)點通常以mW范圍內(nèi)的功率運行，并且大部分時間都在μW范圍內(nèi)的功率下休眠。由于終端節(jié)點的低功耗和低成本要求，它們的處理能力也有限。換句話說，它們非常受資源限制。

例如，典型的傳感器節(jié)點可以由MCU控制，就像具有64 kB閃存的8位處理器和具有8 kB RAM的RAM一樣簡單，時鐘速度約為20 MHz。

將邊緣處理添加到資源受限的終端節(jié)點設(shè)備中非常具有挑戰(zhàn)性，需要在硬件和軟件級別進行創(chuàng)新和優(yōu)化。然而，由于終端節(jié)點無論如何都會在系統(tǒng)中，因此添加盡可能多的邊緣處理能力是經(jīng)濟的。

作為邊緣處理演變的總結(jié)，很明顯，終端節(jié)點將繼續(xù)變得更加智能，但它們也必須繼續(xù)尊重其對成本和功耗的低資源要求。邊緣處理將保持普遍，云處理也是如此。選擇將功能分配到正確的位置，可以針對每個應用優(yōu)化系統(tǒng)，并確保最佳性能和最低成本。有效地分配硬件和軟件資源是平衡競爭性能和成本目標的關(guān)鍵。適當?shù)钠胶饪梢宰畲笙薅鹊販p少到云的數(shù)據(jù)傳輸，最大限度地減少網(wǎng)關(guān)的數(shù)量，并為傳感器或終端節(jié)點增加盡可能多的功能。

超低功耗邊緣傳感器節(jié)點示例

RSL10智能相機由安森美半導體開發(fā)，其設(shè)計可按原樣使用或輕松添加到應用中，從而解決了這些不同的挑戰(zhàn)。事件觸發(fā)的AI就緒成像平臺使用安森美半導體和生態(tài)系統(tǒng)合作伙伴開發(fā)的許多關(guān)鍵組件，為工程團隊提供一種簡單的方法，以低功耗格式訪問支持AI的對象檢測和識別的強大功能。

采用的技術(shù)是使用微小但功能強大的ARX3A0 CMOS圖像傳感器捕獲單個圖像幀，并將其上傳到云服務進行處理。在發(fā)送之前，圖像由尚加創(chuàng)新技術(shù)的圖像傳感器處理器（ISP）進行處理和壓縮。應用JPEG壓縮后，圖像數(shù)據(jù)通過低功耗藍牙（BLE）通信網(wǎng)絡(luò)傳輸?shù)骄W(wǎng)關(guān)或手機（也可以使用配套應用程序）的速度要快得多。ISP 是本地（終端節(jié)點）邊緣處理的一個很好的例子。圖像在本地進行壓縮，通過無線方式發(fā)送到云的數(shù)據(jù)更少，這提供了清晰的電源和網(wǎng)絡(luò)成本，從而節(jié)省了通話時間。

ISP 專為超低功耗運行而設(shè)計，工作時功耗僅為 3.2 mW。它還可以配置為提供一些傳感器上的預處理，以進一步降低有功功率，例如設(shè)置感興趣的區(qū)域。這允許傳感器保持低功耗模式，直到在感興趣的區(qū)域中檢測到物體或運動。

進一步的處理和BLE通信由完全認證的RSL10系統(tǒng)級封裝（RSL10 SIP）提供，也來自安森美半導體。該器件提供業(yè)界領(lǐng)先的低功耗運行和較短的上市時間。

（圖 1.RSL10 智能相機包含可快速部署的邊緣處理節(jié)點所需的所有組件。

如圖1所示，該板包括幾個用于觸發(fā)活動的傳感器。其中包括運動傳感器、加速度計和環(huán)境傳感器。一旦觸發(fā)，該板可以通過BLE將圖像發(fā)送到智能手機，然后配套應用程序可以將其上傳到云服務，例如亞馬遜Rekognition服務。云服務實現(xiàn)深度學習機器視覺算法。對于 RSL10 智能拍攝相機，云服務設(shè)置為執(zhí)行對象檢測。處理圖像后，智能手機應用程序?qū)⑹褂盟惴z測到的內(nèi)容及其成功概率進行更新。這些類型的基于云的服務非常準確，因為它們實際上有數(shù)十億張圖像來訓練機器視覺算法。

結(jié)論

如前所述，物聯(lián)網(wǎng)正在發(fā)生變化并變得更加優(yōu)化，以實現(xiàn)大規(guī)模且經(jīng)濟高效的擴展。新的連接技術(shù)不斷開發(fā)，以幫助解決電源、帶寬和容量問題。人工智能不斷發(fā)展，變得更強大，更高效，使其能夠移動到邊緣甚至終端節(jié)點。物聯(lián)網(wǎng)正在成長和適應，以反映持續(xù)增長并為未來的增長做好準備。

審核編輯：郭婷