有沒有辦法在邊緣簡化機器學習算法的創建和驗證？這是 SensiML 在Virtual ST Developers Conference 2020期間的熱門演講中回答的一個問題。人工智能在展會上占有重要地位。我們甚至在 ST 博客主辦的設計公司圓桌會議上看到了它。在討論過程中，小組成員解釋了客戶如何開始要求具有機器學習功能的產品。因此，我們認為有必要與ST 合作伙伴計劃成員 SensiML 的首席執行官兼創始人 Chris Roger 坐下來了解他的團隊在 ST 開發者大會上展示的工具的范圍和重要性的更多背景信息。

挑戰：前端數據收集

盡管專家們多年來一直在談論它，但邊緣的機器學習仍然是一項年輕的技術。因此，工程師經常不得不依賴許多不同的工具和復雜的工作流程。因此，當團隊從開發過程的一個步驟轉移到下一個步驟時，他們可能會面臨更大的挑戰。SensiML 使用涵蓋數據捕獲、算法生成和驗證的端到端工具包解決了這個問題。此外，SensiML 解決方案也是透明的，可通過 GUI 和 Python IDE 進行擴展。因此，一旦團隊開始掌握機器學習應用程序，他們就不會超越它，但新手仍然可以使用它。事實上，該公司提供了許多教程和視頻以上解釋了工程師如何使用 SensiML 工具包。因此，我們認為有必要進一步推動對話，并決定與 Chris 討論 TinyML 應用程序的一些主要缺陷，以及他的團隊正在做些什么來進一步優化工作流程。

數據采集

SensiML 數據倉庫和 SensorTile.box 支持

數據捕獲本身就是一個難以解決的問題，因為那些沒有數據的人必須進行大量投資才能獲得數據，因為擁有數據的人寧愿自己保留也不愿分享。因此，SensiML 是一個獨特的合作伙伴，因為該公司解決了這兩個問題。首先，它提供了一個用作數據集庫的數據倉庫。一些示例甚至附帶教程，以幫助剛接觸機器學習應用程序的團隊。其次，SensiML工具包連接到SensorTile.box，使用ST的傳感器平臺采集信息。 上面的視頻演示實際上展示了如何使用我們的電路板快速捕捉風扇振動。只需點擊幾下，SensiML 軟件就可以通過串行端口傳輸傳感器的數據。

從 BLE 到 MQTT

SensiML CEO 還告訴我們他的工程師如何使用 SensorTile 來評估低功耗藍牙的局限性。該協議的低數據速率迫使他們依賴外部存儲卡，因為系統無法一次傳輸所有內容。因此，SensiML 團隊意識到他們需要一些更強大的東西，特別是對于工業應用。Chris 解釋說，他的團隊致力于使用 MQTT 協議與 ST 傳感器進行交互。這需要時間，但他們最終能夠使用 MQTT over serial 來減少開銷，同時受益于更高的數據速率。如今，SensiML 用戶只需選擇一個選項即可輕松利用所有這些功能。

優化工作流程

自動貼標

SensiML 演示文稿引人注目的另一個原因是它解決了一個經常被設計師忽視的挑戰：標簽。擁有一個或多個 AI 項目的團隊知道數據收集的難度。我們最近在分享 ST 工程師如何設計我們的嬰兒哭泣檢測器應用程序時強調了這一事實。數據采集??具有挑戰性。然而，一旦工程師有了數據集，他們仍然需要對其進行標記，這是另一個影響巨大的復雜過程。大多數競爭框架都以龐大的 CSV 文件開始，這些文件變得非常笨拙。這種數據結構很容易出錯，部分原因是標記過程變得如此乏味。

SensiML 使用捕獲信號并標記它們的工具解決了這個問題。例如，它的數據洞察技術可以自動化標簽操作。用戶首先描述了幾十個例子。然后，該工具包會推斷出它認為是相同的樣本。因此，工程師只需要驗證工具的自動標簽或更改一些虛假數據。最終，這個過程變得更簡單、更快、更愉快。SensiML 還提供版本控制功能。如果團隊處理多個數據集并由于問題不斷增加而希望回溯到較早的注釋，他們可以使用回滾功能返回到首選會話。

使用 STM32CubeMX 和 LSM6DSOX

上面的視頻很好地解釋了 SensiML 工作流程，并展示了工程師如何更快地開發機器學習應用程序。此外，Chris 還告訴我們，工作流優化的下一步是與STM32CubeMX更好地交互。

審核編輯：郭婷