電子發燒友網報道（文/周凱揚）工業傳感器作為工業控制中感知層的重要組成部分，在改善工業流程并提供資產監控和保護的同時，也使得工業控制的可視化更加明朗。而在如今的工業智能制造趨勢下，為了打造智能傳感器節點，傳感器本身就要加入輔助AI設計或是直接集成一定的AI計算能力，這樣才能減少MCU實現邊緣AI的算力和功耗。

ST iNEMO慣性模塊

意法半導體的iNEMO慣性模塊，作為主流IMU產品之一，采用集成式封裝，包含多個傳感器模塊且支持多個外部傳感器，常被用于智能手機的光學穩定等場景。而針對工業應用，意法半導體推出了ISM330IS，在常見iNEMO慣性模塊的基礎上，集成了一塊新的智能傳感器處理單元（ISPU）。

ISM330IS集成了一個三軸數字加速度計和一個三軸數字陀螺儀，其片上傳感器中樞還支持最多4個外部傳感器。即便是在高性能模式下也可以以0.59mA的電流運行，且支持常時開啟的低功耗特性，可謂是工業物聯網方案中理想的IMU單元選擇。

但ISM330IS最特殊的地方在于集成的ISPU，該處理單元支持依賴傳感器數據的實時處理應用。ISPU是一個超低功耗的高性能可編程核心，可以在邊緣執行C語言編程的各種信號處理和AI算法。開發者借由意法半導體的NanoEdgeAI Studio，即可輕易創建強大的機器學習功能。

其實ISPU是基于一個配備FPU和專用指令集的小型DSP內核構成，時鐘頻率只有10MHz。加上極高的面積效率，ISPU進行本地處理的過程中，其功耗只有幾μW。與傳統的MCU加傳感器的融合方案相比，ISPU的功耗只有五分之一。

即便需要與外部MCU通信，也會控制在檢測套特定事件或者需要交換數據時開啟通信。所以即便傳感器處于常時開啟狀態，外部MCU大部分時間都處于休眠狀態，極大降低了系統功耗，非常適合用于工業控制中機器人與狀態監測之類的應用。

ADI OtoSense

對于工業場景來說，機器的運行狀況感測至關重要，關系到生產環境的安全性，尤其是對于電機這樣的設備。這也就是為何預測性維護在工業4.0背景下開始成為趨勢的原因，但在傳統傳感器每個每秒發送成百上千字節的數據，本地MCU難以處理，又難以指望云端能夠進行實時的分析，所以同樣需要智能傳感器來救場。

ADI的OtoSense智能電機傳感器，就采用了典型的本地預測性維護設計。專為應用廣泛的三相鼠籠異步式電機設計，OtoSense集成了兩個振動傳感器（ADXL1002）、一個定制磁場傳感器和兩個溫度傳感器（ADT7420）。借助這五個傳感器，OtoSense可以對電機的開關次數、運行時間、轉速、電流、輸出功率等狀態進行實時檢測。

當然，這些任務傳統的傳感器模塊也都能完成，但在安裝好智能電機傳感器后，OtoSense就創建好了該電機的數字孿生，通過學習檢測出常見的9種電機異常，比如供電異常、定子/轉子異常、軸心偏移、散熱異常等等。

同時，OtoSense還集成了獨立的2.4GHzWi-Fi網絡，可以進一步將數據發送至云端進行處理，也可以通過與手機app相連，實現對電機運行狀況的24小時監控。這種無線連接方式也解決了電機運行環境中有線網絡部署的窘境，可以在工業現場實現快速靈活的部署和拆裝。

寫在最后

隨著MEMS技術、模擬數字層融合等技術的發展，市面上已經涌現了越來越多集成AI功能的傳感器產品。未來工業傳感器廠商在提高傳感器性能的同時，也必須從AI算法庫、邏輯電路設計上發力，這樣才能盡早突破工業5.0中的人機融合邊界。