将AI图片识别部署到物联网端侧与端侧应用条件要求

导读：Edge AI是新的发展方向，它能够把数据处理分析过程从云端搬回本地，来避免网络传输延迟和潜在的隐私安全问题，同时可以大大减少成本。在未来的图像传感器里，不仅仅包含模拟数字信号处理，人工智能算法也会被加入加快图像传感器的高度智能化，从而使系统能够通过新的计算和决策提供更快更准确的结果。而受限于端侧的有限资源，我们需要更有效的算法支持来平衡计算能力和功耗。

人工智能的概念起源可以追溯到1956年，John McCarthy在达特矛斯会议上提出了“人工智能”这一概念。而在2018年前后随着诸多人工智能专用芯片的初创公司出现、众多具有未来感的应用场景的曝光。..人工智能话题真正被大众熟知和热捧。这种广义的AI的话题似乎在最近几年削弱了很多，但其实在AI正在各个细分领域进行下放和落地。现在我们可以看到，其实在各种各样的物联网端侧设备中，也可以实现AI和ML的诸多应用。

当然受限于供电、算力等等端侧特定场景的要求，端侧AI的应用落地需要结合端侧的实际场景。最近安森美半导体推出的全新智能相机拍摄平台，就给了业界一个端侧AI应用的很好启发。近日笔者专门采访了安森美半导体亚太地区方案中心的市场营销工程师贾鹏先生，他对于RSL10这一全新平台进行了精彩的分享。

将AI图片识别部署到物联网端点

图像识别是AI的典型应用案例之一，在端侧也有着诸多实际应用需求。安森美半导体的RSL10 智能相机拍摄平台就是为端侧实现了图像采集的功能，并通过低功耗蓝牙来实现数据传输，通过云端AI来智能识别物体。RSL10 智能相机拍摄平台中包含了安森美半导体的多个成功的芯片，其中包括蓝牙低功耗的RSL10 SIP、ARX3A0 Mono 65° DFOV IAS模块、多种传感器芯片和电源管理芯片等。

据贾鹏先生分享，RSL10智能相机拍摄平台最独特的一点是它提供了一种超自动化应用的典型思路：传感器触发（条件）- 拍摄（动作）- AI识别 - 获取信息并处理。

我们在相关的介绍中可以看到，在实际应用中，开发者可以将RSL10 智能相机拍摄平台配置成一个端点，设置特定的时间、环境变量作为触发条件。例如在某个时间段，或者环境温湿度达到触发值时，平台自动将图像发送到云端进行分析，云端通过图像分析来给出相应的反馈的决策。

据贾鹏先生分享，RSL10智能相机拍摄平台的图像可以上传至亚马逊AWS，AWS在云端提供了图像识别服务，能够识别大部分用户拍摄的物体，为后续的数据处理提供了可能。

虽然RSL10智能相机拍摄平台的成品度非常高，但对于不同的客户仍可以根据自己的实际情况在不同的步骤进行设计，实现具备差异化的产品研发。除了安森美现在提供的所有相关资料之外，贾鹏先生表示安森美半导体的技术服务团队也可提供现场支持。

端侧AI应用需符合端侧应用条件要求

当我们提到物联网端侧的应用，功耗、成本和可靠性等都是最为重要的设计考量。同样的，端侧AI的部署也都需要考虑到这些因素。

据贾鹏先生介绍，RSL10智能相机拍摄平台的超低功耗是其重要特点之一：RSL10智能相机拍摄平台有连续拍摄和正常拍摄两种模式，一块1700 mAh的充电电池能够支持它在全传感器工作并保持蓝牙低功耗（BLE）时刻连接状态下正常使用约半年（此状态下平均功耗小于2 mW）。

笔者还关注到RSL10智能相机拍摄平台中搭载的ARX3A0图像传感器的每秒帧数可以达到360，远超现在主流手机的30 fps、60fps的水准。但据贾鹏先生分享，ARX3A0图像传感器拥有的高帧率特性，主要是为了眼球跟踪、VR/AR等需要高速摄影的应用场景。

但在RSL10智能相机拍摄平台中ARX3A0图像传感器以较低帧率就可以满足端侧的采集需求，这样也不会对与蓝牙数据传输即时性、整体的平台功耗产生过多的压力。当然我们可以看到这种硬件上的参数富裕也给了设计者更多个性化发挥的空间。

贾鹏先生表示，Edge AI是新的发展方向，它能够把数据处理分析过程从云端搬回本地，来避免网络传输延迟和潜在的隐私安全问题，同时可以大大减少成本。在未来的图像传感器里，不仅仅包含模拟数字信号处理，人工智能算法也会被加入加快图像传感器的高度智能化，从而使系统能够通过新的计算和决策提供更快更准确的结果。而受限于端侧的有限资源，我们需要更有效的算法支持来平衡计算能力和功耗。

对于安森美半导体这样具有非常宽广的产品组合的厂商而言，除了优势的单品外，还可以提供非常多丰富的解决方案。RSL10智能相机拍摄平台就是其中之一，它为业界的端侧AI应用提供了很好的范例和启示。相信我们也可以在诸多实地应用中看到它的身影。
编辑：lyn