Microchip 的 32 位微控制器和 MPLAB X 開發工具支持快速設計和嵌入式機器學習

早在古希臘，自動化就一直吸引著創新思維。由于本世紀早期的大規模電氣化和下半葉半導體的發明，20世紀見證了自動化技術的迅速采用。然而，自動化通常僅限于嚴格控制的空間，例如在設計相關系統時可以規劃和考慮每個場景的工廠。現實世界往往難以預測，因此出于安全考慮，自主系統的采用相對較少。也就是說，自動化帶來的好處不容忽視。例如，由于采用了自動駕駛汽車，它可以讓截癱患者重獲行動自由。

機器學習 (ML) 算法有望成為改變自主系統采用曲線的關鍵參與者。嵌入式系統開發人員非常感興趣的是將這些高效的類腦算法與廉價但功能強大的微控制器和傳感器相結合。這種技術聯盟催生了所謂的邊緣計算，它承諾數十億負擔得起的嵌入式電子系統幾乎可以瞬間與物理世界交互——這是邊緣互聯網連接的重要吸引力。因此，邊緣計算可以為沒有連接的最偏遠地區帶來無與倫比的 ML 支持功能。歸根結底，邊緣計算代表了自動化的一場革命，無論是在規模上還是在能力上。

隨著這場革命，嵌入式系統開發人員面臨著重新構想各種消費和工業產品以利用 ML 技術使它們更安全、更易于使用或更高效的挑戰。值得慶幸的是，Microchip Technology等公司提供價格低廉但功能強大的開發板，使開發人員能夠探索以 ML 為中心的技術并將其快速集成到產品原型中。我們將探討如何使用 Microchip Technology 的 MPLAB X 集成開發環境 (IDE) 及其 32 位微控制器和微處理器系列（圖 1）完成快速原型制作。

機器學習：當硅遇到腦科學

對于人類來說，我們對物理世界的全部體驗都是由構成大腦的千億個神經元處理的。它的學習和適應能力，加上其非凡的能源效率，使生物大腦成為大自然工程能力的勝利。人工復制整個大腦的功能仍然需要幾十年的時間（例如真正的通用人工智能或 AI）。然而，得益于新興的機器學習技術，如今大腦的某些功能子集可以被復制。例如，機器視覺算法可以讓電子設備能夠識別和分類相機視野中的物體。

為什么這很重要？自動化的廣泛采用意味著人類和技術將更頻繁地交互，并且可能以越來越危險的方式進行交互。為了減輕這些風險，機器必須更善于感知和理解環境。機器視覺就是這樣一種機制，它使設備能夠看到和理解物理 3D 空間。從實用的角度來看，檢測物理空間中是否有人是一種能力，它對與安全、安保和老人/兒童保育相關的眾多用例具有廣泛的影響，僅舉幾例。

強大的 ML 算法需要同樣強大的硬件。Microchip 提供種類繁多的 32 位微處理器和微控制器，以滿足尋求構建邊緣人工智能產品線的開發人員的幾乎所有性能和成本要求。Microchip 使用其 ML 評估套件（例如 EV18H79A 或 EV45Y33A）可以輕松開發和測試這些解決方案。VectorBlox ?加速器軟件開發套件 (SDK) 支持在 Microchip 的 PolarFire ?上設計低功耗、小尺寸 AI/ML 應用程序現場可編程門陣列 (FPGA)。FPGA 非常適合邊緣 AI 應用，包括在功率受限的計算環境中進行推理。這是因為與中央處理單元 (CPU) 或圖形處理單元 (GPU) 相比，FPGA 每秒可以處理更多的千兆運算 (GOPS)，并且能效更高。設計人員可以在 PolarFire FPGA 上實施他們的算法，以滿足邊緣應用中對節能推理不斷增長的需求。此外，PolarFire FPGA 不需要先前的 FPGA 設計經驗。Microchip 的 VectorBlox Accelerator SDK 旨在使開發人員能夠使用 C/C++ 進行編碼，并對節能神經網絡進行編程。

將機器視覺算法與微控制器硬件集成需要嵌入式系統開發人員擴展他們的知識和技能。為幫助進行這種教育，Microchip 與各種專注于 AI 的初創公司合作，將他們的 AI 培訓解決方案直接集成到 MLPAB X IDE 中。首先是來自 Cartesiam 的 NanoEdge AI 套件。NanoEdge AI Library 是一種工具，用于搜索基于 C 編程語言的 AI 庫并將其集成到您的嵌入式固件項目中。AI Studio 讓嵌入式開發人員能夠抽象出信號處理和 ML 模型訓練的細節。最終結果是一個靜態庫，可以在主 .c 文件中鏈接，并且可以在 Microchip 的任何基于 Arm Cortex 的微控制器上運行。

Edge Impulse 是一個完整的 TinyML 訓練和部署管道，包括數據集收集、DSP、訓練 ML 算法、測試和高效推理代碼生成，適用于廣泛的傳感器、音頻和視覺應用程序。得益于 MPLAB X IDE 插件，訓練數據可以從幾乎所有 Microchip 的 32 位 Arm 微控制器快速發送到 Edge Impulse。

最后，Microchip還與運動手勢合作，為嵌入式系統提供了一種獨特的手勢檢測機制。運動手勢工具為開發人員提供了基于運動、觸摸和視覺捕捉手勢的模式檢測工具。開發者可以利用Motion Gesture預先構建的手勢庫，或者利用智能手機應用程序來訓練自己的手勢。MPLAB X IDE的插件甚至可以讓開發人員輕松地將Motion Gesture軟件庫與各種Microchip傳感器（例如電容式觸摸、慣性測量單元或IMU）的庫集成。

MPLAB X IDE是一個功能強大且高度可擴展的開發套件，適用于 Microchip 的許多微控制器和數字信號處理器。它適用于 Windows、Mac OS 和 Linux。它為嵌入式開發人員提供了許多非常感興趣的功能，包括數據可視化工具、I/O oib 查看器，甚至是允許開發人員從世界上任何計算機訪問其源代碼的基于 Web 的版本。

結論

這是一個基本項目，它可以讓您有信心和技能通過利用 Microchip Technology 的 32 位微處理器和微控制器來開發您自己的更復雜的機器視覺項目。如前所述，計算機視覺可用于眾多安全或安保應用程序。通用輸入/輸出 (GPIO) 不是點亮 LED，而是可以觸發繼電器，以在人員進入不該進入的位置時斷開流向重型機械的電流。或者，如果下班后有人被發現，安全設備會發出警報。

當然，開發人員不僅限于識別人類。可以訓練ML算法來識別和分類任意數量的對象類型。或者，也許有些用例需要視覺識別以外的東西。音頻識別 ML 算法可以替代以基于聲音而不是圖像觸發輸出。無論輸入類型如何，Microchip 及其 AI 初創合作伙伴的硬件和軟件工具都提供了一種快速簡便的工作流程，可將 ML 功能帶到邊緣。

歸根結底，ML 算法與功能強大、低成本的嵌入式系統相結合，正在為世界帶來更強大、更智能的自動化。嵌入式系統開發人員現在可以使用大量工具來幫助他們快速且廉價地將機器學習技術嵌入到他們的產品中。謹慎的產品開發人員應該問，機器學習技術如何而不是是否可以適應他們的產品，從而為潛在客戶提供額外價值。希望這個項目激發了想象力，你在問自己：我如何利用機器學習將人工智能帶到我的產品的邊緣？=

Michael Parks, PE 是 Green Shoe Garage 的聯合創始人，Green Shoe Garage 是一家位于馬里蘭州西部的定制電子設計工作室和嵌入式安全研究公司。他制作了 Gears of Resistance 播客，以幫助提高公眾對技術和科學問題的認識。Michael 還是馬里蘭州的持證專業工程師，并擁有約翰霍普金斯大學的系統工程碩士學位。