智能傳感器的作用現(xiàn)在得到了更密切的關(guān)注，因?yàn)檎麄€(gè)行業(yè)的架構(gòu)轉(zhuǎn)換正在進(jìn)行中，將更多的處理轉(zhuǎn)移到邊緣，減少了對(duì)云處理的依賴。隨著傳感器數(shù)量和數(shù)據(jù)的激增，云處理傳感器信息變得非常困難，因此傳感器及其所在的邊緣節(jié)點(diǎn)需要變得更智能。

　　Allied Market Research 預(yù)測，到 2030 年，全球物聯(lián)網(wǎng)傳感器行業(yè)將從 123.7 億美元增長到 1418 億美元，在此期間實(shí)現(xiàn) 28% 的復(fù)合年增長率。

　　與過去一樣，今天的嵌入式傳感器必須測量溫度、濕度、壓力、距離和各種各樣參數(shù)。微型加速度計(jì)、磁力計(jì)和其他設(shè)備正在通過彼此結(jié)合，形成復(fù)雜的傳感器融合。

　　如今，邊緣人工智能也在融合其中，它可以從源頭處理機(jī)器學(xué)習(xí)，同時(shí)使用比云處理替代方案少得多的電力。同時(shí)，盡管仍處于起步階段，但激光雷達(dá)和無線電也可用于物聯(lián)網(wǎng)傳感器測量。

　　被傳感器覆蓋的世界正在擴(kuò)大。與此同時(shí)，可能的限制正在縮?。?/strong>

　　作為思科系統(tǒng)工業(yè)資產(chǎn)視覺平臺(tái)的一部分，連接到物聯(lián)網(wǎng)網(wǎng)關(guān)的加固物聯(lián)網(wǎng)傳感器被用于測量和監(jiān)測加利福尼亞納帕谷的葡萄作物的葡萄酒。

　　帶有板載 AI 的 Bosch Sensortec 傳感器可以充當(dāng)“數(shù)字鼻子”，以檢測氣體、顆粒物以及空氣中傳播的新冠病毒。

　　弗吉尼亞州薩?？耸姓谑褂?Iteris 的 ClearMobility 平臺(tái)重新構(gòu)想交通信號(hào)服務(wù)，該平臺(tái)使用 Vantage Apex 智能傳感器，將高清視頻和4D雷達(dá)傳感器與集成的人工智能算法相結(jié)合。

　　NevadaNano 的 MPS Mini 將片上化學(xué)傳感器陣列與片上分子特性光譜儀配對(duì)，以檢測可燃?xì)怏w。

　　智能傳感器如何實(shí)現(xiàn)機(jī)器學(xué)習(xí)

　　“一個(gè)典型的智能傳感器通常有四個(gè)主要部分——傳感器本身、一個(gè)模數(shù)轉(zhuǎn)換功能、一個(gè)計(jì)算單元或微控制器單元——以及一個(gè)無線或有線的通信引擎?！辟Q(mào)澤電子技術(shù)內(nèi)容總監(jiān)Raymond Yin 說。

　　例如，許多智能傳感器具有針對(duì)特定應(yīng)用量身定制的多種單獨(dú)傳感器類型。集成微控制器單元 (MCU) 的功能也有所不同。他表示，一些集成的 MCU 只是控制數(shù)據(jù)轉(zhuǎn)換過程和通信的狀態(tài)機(jī)，而其他的 MCU 則可以完全運(yùn)行傳感器融合算法。

　　作為一個(gè)例子，Yin 引用了 ST的 LSM6DSO32XTR iNEMO 慣性模塊，該模塊集成了加速度計(jì)、陀螺儀和溫度傳感器，并包含一個(gè)機(jī)器學(xué)習(xí)內(nèi)核，有助于檢測步行、跑步和駕駛等應(yīng)用。

　　如何更節(jié)能

　　Omdia 負(fù)責(zé) MEMS 和傳感器的首席分析師 Manuel Tagliavini 表示，智能傳感器可以定義為一種電子組件，它不僅能夠讀取和存儲(chǔ)物理測量值——例如加速度、光、流量、濕度等——而且還能夠執(zhí)行可能具有不同目的的更復(fù)雜的操作。

　　他說：“能夠通過先進(jìn)的 ASIC 或嵌入式 MCU 執(zhí)行操作就是讓傳感器被稱為‘智能’的原因?！?/p>

　　隨著傳感器越來越靠近物聯(lián)網(wǎng)的邊緣，這些目的的本質(zhì)都是關(guān)注SWAP-C中的功耗問題。

　　“人們必須考慮讓整個(gè)傳感器組件以及與之相連的其他系統(tǒng)保持低功耗模式的‘睡眠’功能，直到物理世界發(fā)生某些事件才會(huì)喚醒?！盩agliavini表示。

　　顯而易見的目標(biāo)是節(jié)省電力，對(duì)于便攜式設(shè)備來說，節(jié)省電池電量，如果系統(tǒng)不斷向云端報(bào)告，這可能是一個(gè)障礙。從周圍環(huán)境中獲取能量的無電池傳感器正在一些應(yīng)用中得到使用。

　　永遠(yuǎn)在線

　　在邊緣的關(guān)鍵任務(wù)應(yīng)用中，功耗問題超出了傳感器本身，還包括處理器。對(duì)于旨在用于機(jī)器學(xué)習(xí)的處理器，這些問題非常嚴(yán)重。

　　在云數(shù)據(jù)中心，豐富的電力供應(yīng)是給定的，物聯(lián)網(wǎng)邊緣的情況并非如此。

　　需要考慮下一代 AI 邊緣芯片，例如，Syntiant的NDP102AI處理器。

　　它旨在將 AI 處理應(yīng)用于音頻和其他輸入，從我們用來喚醒 Siri 或 Alexa 智能設(shè)備到采集在工廠車間發(fā)生故障的擺動(dòng)沖床的傾斜角度。

　　“我們在傳感器和振動(dòng)、基于狀態(tài)的監(jiān)測以及醫(yī)療保健領(lǐng)域做了很多工作?！盨yntiant CEO Kurt Busch 告訴 IoT World Today。他說，在發(fā)生代價(jià)高昂的停機(jī)故障之前，最好可以檢測到振動(dòng)和溫度數(shù)據(jù)異常并采取行動(dòng)針對(duì)機(jī)器進(jìn)行維護(hù)。

　　他指出，重要的是，Syntiant 神經(jīng)處理器設(shè)計(jì)用于在始終開啟的傳感器應(yīng)用中，可以以低于 100 mW的功耗工作。 Syntiant 是少數(shù)幾家致力于在模擬而非數(shù)字領(lǐng)域進(jìn)行神經(jīng)處理的公司之一，其主要目標(biāo)是速度和節(jié)能。

　　從消費(fèi)到汽車的傳感器融合

　　iPhone、AirPod 和 Fitbit 等消費(fèi)類設(shè)備在傳感器功能提升和價(jià)格降低方面發(fā)揮了重要作用。根據(jù)Tagliavini 的說法，對(duì)輔助和自動(dòng)駕駛汽車的狂熱推動(dòng)可能會(huì)起到同樣或更多的作用，尤其是通過促進(jìn)混合傳感器技術(shù)的傳感器融合方面。

　　他說，出于明顯的安全原因，ADAS和即將到來的自動(dòng)駕駛需要多種傳感器測量。

　　這意味著“收集和計(jì)算從毫米波雷達(dá)、LiDAR、慣性裝置和 GPS 讀取的數(shù)據(jù)是一項(xiàng)需要可靠性、冗余和及時(shí)處理的關(guān)鍵活動(dòng)。”而在更廣泛的物聯(lián)網(wǎng)世界中將可以復(fù)用這些技術(shù)。

　　他建議，盡管如此，智能傳感器在關(guān)鍵任務(wù)工業(yè)應(yīng)用中的采用——那些更新緩慢，標(biāo)準(zhǔn)冗長，安全性極高的應(yīng)用——可能需要更長的時(shí)間來接受這些技術(shù)。

　　測量傳感器要求

　　面對(duì)新技術(shù)的爆發(fā)，基本的權(quán)衡仍然相似。貿(mào)澤的 Raymond Yin 表示，移動(dòng)到邊緣和部署機(jī)器學(xué)習(xí)的挑戰(zhàn)對(duì)影響傳感器系統(tǒng)設(shè)計(jì)的基本決策幾乎沒有影響。問題仍然是：

　　傳感器是否滿足分辨率和精度要求?

　　傳感器結(jié)果是否一致且可靠，足以滿足操作要求?

　　傳感器是否提供滿足系統(tǒng)目標(biāo)所需的數(shù)據(jù)?

　　傳感器是否滿足功率、尺寸、時(shí)序要求?

　　同樣，整個(gè)系統(tǒng)的連接和計(jì)算部分的規(guī)范需要根據(jù)應(yīng)用程序或用例來確定。

　　嵌入式傳感器和人工智能在新興物聯(lián)網(wǎng)領(lǐng)域所扮演的角色是一個(gè)不斷發(fā)展的角色。傳感器在成像、MEMS、激光雷達(dá)、Wi-Fi、UWB、雷達(dá)和其他領(lǐng)域的進(jìn)步顯然很多——各種機(jī)器學(xué)習(xí)核心也可以更好地“理解傳感器”。

　　系統(tǒng)設(shè)計(jì)人員如何將這些技術(shù)與實(shí)際案例結(jié)合起來，可能會(huì)決定下一個(gè)物聯(lián)網(wǎng)的時(shí)代。