物聯(lián)網(wǎng)中的大部分數據首先取決于系統中的第一個(gè)節點(diǎn)，這通常是一個(gè)傳感器。轉型工業(yè) 4.0 分析和自動(dòng)化需要更好的輸入，供應商們正在拼命將更智能的嵌入式傳感器推向市場(chǎng)。
智能傳感器的作用現在得到了更密切的關(guān)注，因為整個(gè)行業(yè)的架構轉換正在進(jìn)行中，將更多的處理轉移到邊緣，減少了對云處理的依賴(lài)。隨著(zhù)傳感器數量和數據的激增，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點(diǎn)需要變得更智能。
Allied Market Research 預測，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(cháng)到 1418 億美元，在此期間實(shí)現 28% 的復合年增長(cháng)率。
與過(guò)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。微型加速度計、磁力計和其他設備正在通過(guò)彼此結合，形成復雜的傳感器融合。
如今，邊緣人工智能也在融合其中，它可以從源頭處理機器學(xué)習，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，但激光雷達和無(wú)線(xiàn)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大。與此同時(shí)，可能的限制正在縮?。?/span>
作為思科系統工業(yè)資產(chǎn)視覺(jué)平臺的一部分，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 傳感器可以充當數字鼻子，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 平臺重新構想交通信號服務(wù)，該平臺使用 Vantage Apex 智能傳感器，將高清視頻和4D雷達傳感器與集成的人工智能算法相結合。
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，以檢測可燃氣體。
智能傳感器如何實(shí)現機器學(xué)習
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)模數轉換功能、一個(gè)計算單元或微控制器單元——以及一個(gè)無(wú)線(xiàn)或有線(xiàn)的通信引擎。貿澤電子技術(shù)內容總監Raymond Yin 說(shuō)。
例如，許多智能傳感器具有針對特定應用量身定制的多種單獨傳感器類(lèi)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 只是控制數據轉換過(guò)程和通信的狀態(tài)機，而其他的 MCU 則可以完全運行傳感器融合算法。
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、陀螺儀和溫度傳感器，并包含一個(gè)機器學(xué)習內核，有助于檢測步行、跑步和駕駛等應用。
如何更節能
Omdia 負責 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物理測量值——例如加速度、光、流量、濕度等——而且還能夠執行可能具有不同目的的更復雜的操作。
他說(shuō)：能夠通過(guò)先進(jìn)的 ASIC 或嵌入式 MCU 執行操作就是讓傳感器被稱(chēng)為‘智能’的原因。
隨著(zhù)傳感器越來(lái)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(wèn)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。Tagliavini表示。
顯而易見(jiàn)的目標是節省電力，對于便攜式設備來(lái)說(shuō)，節省電池電量，如果系統不斷向云端報告，這可能是一個(gè)障礙。從周?chē)h(huán)境中獲取能量的無(wú)電池傳感器正在一些應用中得到使用。
永遠在線(xiàn)
在邊緣的關(guān)鍵任務(wù)應用中，功耗問(wèn)題超出了傳感器本身，還包括處理器。對于旨在用于機器學(xué)習的處理器，這些問(wèn)題非常嚴重。
在云數據中心，豐富的電力供應是給定的，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 處理應用于音頻和其他輸入，從我們用來(lái)喚醒 Siri 或 Alexa 智能設備到采集在工廠(chǎng)車(chē)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)的監測以及醫療保健領(lǐng)域做了很多工作。Syntiant CEO Kurt Busch 告訴 IoT World Today。他說(shuō)，在發(fā)生代價(jià)高昂的停機故障之前，最好可以檢測到振動(dòng)和溫度數據異常并采取行動(dòng)針對機器進(jìn)行維護。
他指出，重要的是，Syntiant 神經(jīng)處理器設計用于在始終開(kāi)啟的傳感器應用中，可以以低于 100 mW的功耗工作。 Syntiant 是少數幾家致力于在模擬而非數字領(lǐng)域進(jìn)行神經(jīng)處理的公司之一，其主要目標是速度和節能。
從消費到汽車(chē)的傳感器融合
iPhone、AirPod 和 Fitbit 等消費類(lèi)設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Tagliavini 的說(shuō)法，對輔助和自動(dòng)駕駛汽車(chē)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(guò)促進(jìn)混合傳感器技術(shù)的傳感器融合方面。
他說(shuō)，出于明顯的安全原因，ADAS和即將到來(lái)的自動(dòng)駕駛需要多種傳感器測量。
這意味著(zhù)收集和計算從毫米波雷達、LiDAR、慣性裝置和 GPS 讀取的數據是一項需要可靠性、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)應用中的采用——那些更新緩慢，標準冗長(cháng)，安全性極高的應用——可能需要更長(cháng)的時(shí)間來(lái)接受這些技術(shù)。
測量傳感器要求
面對新技術(shù)的爆發(fā)，基本的權衡仍然相似。貿澤的 Raymond Yin 表示，移動(dòng)到邊緣和部署機器學(xué)習的挑戰對影響傳感器系統設計的基本決策幾乎沒(méi)有影響。問(wèn)題仍然是：
傳感器是否滿(mǎn)足分辨率和精度要求？
傳感器結果是否一致且可靠，足以滿(mǎn)足操作要求？
傳感器是否提供滿(mǎn)足系統目標所需的數據？
傳感器是否滿(mǎn)足功率、尺寸、時(shí)序要求？
同樣，整個(gè)系統的連接和計算部分的規范需要根據應用程序或用例來(lái)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、Wi-Fi、UWB、雷達和其他領(lǐng)域的進(jìn)步顯然很多——各種機器學(xué)習核心也可以更好地理解傳感器。
系統設計人員如何將這些技術(shù)與實(shí)際案例結合起來(lái)，可能會(huì )決定下一個(gè)物聯(lián)網(wǎng)的時(shí)代。
