為嵌入式處理器開發AI模型面臨幾個獨特的挑戰。與基于云的AI不同，大型模型可以利用海量數據集和服務器級處理，而邊緣AI需要最高的數據保真度，以確保在嚴格的資源限制下的準確性。由于內存、計算能力和模型大小有限，輸入數據的質量會直接影響性能，因此高效的數據收集、實時監控和快速設備測試對于成功至關重要。

為了滿足這些需求，瑞薩電子提供了Reality AI Utilities，這是一套強大的工具，可實現端到端的邊緣AI開發。這些實用程序可作為e2 studio的插件使用，也可以用作其他常用IDE（如CS+、Keil和IAR）中的獨立工具，無論您的開發環境如何，都能提供靈活性。

Reality AI Utilities包括以下內容：

數據存儲工具：從您的硬件捕獲傳感器和麥克風信號，并將其上傳到Reality AI Tools云平臺，以進行高保真信號分析和AI模型開發。

AI Live Monitor：在設備上可視化實時推理，包括原始類分數和后處理邏輯，幫助開發人員通過即時反饋調試和優化模型。

硬件在環（HIL）測試：使用下載的測試數據集直接在瑞薩電子硬件上對AI模型進行批量測試，從而在實際條件下進行快速準確的驗證。

無論您是在e2 studio還是其他受支持的IDE中工作，這些工具都可以通過提高準確性、加快測試速度并簡化從原型到部署的路徑來幫助加速邊緣AI開發。在本博客中，我們將探討每個實用程序，以及它們如何有助于從頭到尾構建具有高保真度的強大邊緣AI系統。

圖1：Reality AI Utilities解決方案工具包簡化了端到端邊緣AI開發

Reality AI Utilities如何簡化流程？

典型的嵌入式AI項目開發遵循以下工作流程：

寫入固件以收集數據。

對數據進行預處理以適應文件格式-以供AI工具使用。

開發和優化模型。

通過編寫固件來計算準確性/推理速度，從而在設備上驗證模型。

將模型集成到嵌入式項目工作流程中，以進行現場測試。

Reality AI Utilities通過從上到下自動執行關鍵步驟來簡化這一過程。下面是一個端到端的工作流程圖：

圖2：項目工作流程中的Reality AI Utilities

工作流程的第一步是從Reality AI Tools云平臺檢索您的API密鑰，并將其與Reality AI Utilities插件鏈接，無論是在e2 studio中還是在獨立應用程序中。連接后，您可以在本地環境和云之間無縫傳輸數據，無論是并排使用這兩個工具還是在它們之間切換。接下來，使用e2 studio或Renesas Smart Configurator設置您的嵌入式項目，以創建用于數據收集和直接在硬件上運行AI推理模塊的本地工作區。

項目就緒后，您可以開始使用Reality AI Utilities，從數據存儲工具（DST）開始。DST提供了一個簡單而強大的界面，用于捕獲傳感器或通道數據、對其進行標記并將其上傳到您鏈接的Reality AI Tools項目。該工具負責格式設置和標簽一致性，使開發人員能夠專注于為其使用案例收集正確類型和數量的數據。

在后臺，Renesas提供了名為Data Collector/Data Shipper（DC/DS）的輕量級中間件。這些模塊抽象化了您的數據流，從而可以輕松收集訓練數據并將其路由到AI推理模塊，而無需重寫代碼。最重要的是，DC/DS適用于任何基于Renesas的硬件，包括定制板。只要您有UART或USB連接，就不僅限于使用評估套件。

圖3：Reality AI Utilities–數據存儲工具

在模型開發過程中，Reality AI Tools會持續估計模型的準確性、大小和復雜性。但是，由于不同的編譯器工具鏈應用了各種低級優化，因此只有當模型部署在實際硬件上時，才能準確驗證真實的模型性能，例如推理時間和內存使用情況。

為了解決這個問題，Reality AI Utilities包括強大的硬件在環（HIL）測試功能。該工具直接連接到用戶的Reality AI Tools帳戶，自動下載所選模型和關聯的數據集，并將它們集成到Reality AI Utilities"VIEW"環境中的測試項目中。

只需單擊一下，無需編碼，系統即可構建項目，在連接的Renesas硬件上運行模型，并報告真實指標，例如推理時間、真實數據集上的模型準確性和模型內存要求。

圖4：Reality AI Utilities–硬件在環測試

如果您的模型提供了可接受的結果，下一步就是現場測試，這就是Reality AI Utilities在Live Monitor中大放異彩的地方。AI Live Monitor基于相同的輕量級DC/DS中間件構建，可對您開發的模型進行實時現場測試。它提供強大的功能，例如概率分數，讓工程師清楚地了解模型的置信度，以及平滑，這是一種后處理技術，通過考慮當前預測和以前的數據趨勢來增強穩健性。所有這些都可以通過一個直觀的GUI訪問，無需手動編碼。這些功能使工程師能夠自信地推進生產部署，或者在需要時使用精細的參數和其他數據返回訓練。

圖5：Reality AI Utilities–AI實時監視器

在任何項目中，在確保模型準確性和正確性的同時節省開發時間是重中之重。由于硬件、數據收集、傳感器集成等的固有復雜性，這在處理嵌入式AI系統時變得更加重要。但是，Reality AI Utilities可以自動化和簡化項目工作流程，使客戶能夠以最高的數據保真度加速開發目標解決方案，同時將模型大小降至最低。

我們鼓勵您探索這些工具，以進一步增強開發體驗。

Reality AI Utilities

https://www.renesas.cn/zh/software-tool/reality-ai-utilities

Reality AI Tools

https://www.renesas.cn/zh/software-tool/reality-ai-tools

e2 studio

https://www.renesas.cn/zh/software-tool/e-studio

Renesas Smart Configurator

https://www.renesas.cn/zh/software-tool/smart-configurator