意法半导体最近发布了NanoEdge AI Studio V3，这是一款自动化的机器学习工具，支持两个新的机器学习算法类型、简单易用的数据记录功能，以及经改进的用户界面。因此，新版本通过对更多用例的覆盖以及对嵌入式开发人员更直接友好的用户界面，进一步扩大了其适用范围。本文旨在总体介绍NanoEdge AI解决方案，以便用户对其能够解决的问题有一个直观的了解。将涉及以下内容：✦ 什么是NanoEdge AI Studio？✦ NanoEdge AI Studio v3有哪些新功能？✦ 在嵌入式系统上部署NanoEdge AI应用

▼▼▼

01什么是NanoEdge AI Studio？
创建机器学习应用背后的挑战

一直以来，大公司想要开发机器学习应用，需要聘请一名或多名数据专家，历时数月时间收集大量数据并进行数据清洗，然后创建AI模型。接下来，由嵌入式开发人员将模型移植到微控制器上，或者使用STM32Cube.AI等工具将神经网络转换为面向STM32 MCU的优化代码。当预算紧张时，聘请一名或多名数据专家可能会让公司捉襟见肘。而且机器学习业务也难以进行外包。很多情况下其所涉及的数据比较敏感，而有一些情况下则可能需要有人一直在岗。

即使有合适的人以及充足的时间，也依然难以确保获得高质量的数据。尽管机器学习领域进展颇多，但获得可靠的训练样本依旧是一项艰巨的任务。例如，当应用检测异常行为时，数据可能不可用。许多用于分类问题的数据集，比如异常检测，很可能无法用于新的场景。另外，即使数据样本不存在拼写错误或信息缺失，记录干净的数据集并精确地进行标记也可能需要不菲的投资。

让机器学习无处不在的解决方案

NanoEdge AI Studio是一款面向嵌入式开发人员（甚至是不具备数据科学专业知识的人员）的实用程序。其神奇之处在于它可以在同一设备上进行学习和推理。在学习阶段，它可以学习到所在设备的复杂的正常行为，然后通过与正常行为的对比来分析设备是否出现异常。整个过程可以在同一个STM32微控制器上运行。此外，其终端用户的交互可以像按按钮一样简单。因此，工程师可以根据本地环境定制系统，使其更稳定、可靠且易于安装。

NanoEdge AI Studio可以运行在Windows 10或Ubuntu上，是处理数据以及查找最相关AI库的最佳方式。该应用程序重点关注嵌入式开发以及与C应用程序的无缝集成。简单地说，NanoEdge AI Studio根据CPU、内存、传感器等基本规格参数，搜索并生成一个最合适的基于STM32的NanoEdge AI库，开发人员可以直接将其集成到自己的嵌入式应用程序中。

在v3版本发布之前，NanoEdge AI Studio主要支持两种机器学习算法：异常检测和分类。

异常检测库是从很少量的数据样本创建的， 这些样本包含正常和异常行为的数据。创建后的库可以被加载到微控制器中，以便在设备上直接进行训练和推理。该库可以从本地获取的数据中学习设备的行为，并针对每个设备的行为特征做细微的适应与调整。完成训练后，该库便可以将来自设备的数据与本地创建的模型进行比较，并识别和报告异常。

分类库可用于对数据进行分类，这些数据可以来源于不同类型的设备异常状态（如轴承问题、气蚀问题等等）或设备环境中不同类型的事件。用户只需几个简单的步骤就可以将信号导入到NanoEge AI Studio中，并创建一个集成了所有这些信息的分类机器学习库。在微控制器上运行时，分类器会分析实时数据并输出与此静态信息的相似度百分比。

02NanoEdge AI Studio v3有哪些新功能？

两种新算法

在NanoEdge AI Studio V3中，之前支持的两种算法（异常检测和分类）现在有了更多的库的支持。此外，我们还对这些算法进行了优化，以提高其在现有用例上的性能。因此，当切换到新的软件版本时，嵌入式开发人员可以体验到更出色的资源管理或更快的执行速度。

另外，该版本还提供两种新算法的支持：外推法(Extrapolation)和离群值检测(1-class)。外推法也可以称为回归算法，它通过映射多个变量之间的关系，来预测设备在未经测试条件下的行为。例如，我们收集的数据集本来只能反映风扇在100°C、110°C和150°C时的行为。而现在，得益于回归算法，机器学习应用程序可以推理出160°C时的行为。NanoEdge AI Studio中的外推算法并不仅仅包括线性回归。事实上，它还提供更先进的分析技术，用于处理一些更复杂的情况。因此，开发人员可以借此来创建应用程序，用于监测一些数据专家们无法直接测试的现象。

第二种算法是基于单一类型值的离群值检测系统。该系统只学习正常行为，任何偏离正常行为的现象都将被归为异常。在此之前，当使用异常检测算法时，开发人员会记录设备的正常行为信号，并且模拟和收集一个或多个非正常行为的信号，用于模型的学习。然而，在很多实际应用中，设备的异常根本无法进行模拟和复制。在这种情况下，离群值检测算法可以只学习来自常规运行时的正常数据便能够推理出设备的异常状态。

简单易用的全新数据记录功能

在将最终产品推向市场时，数据专家可能会陷入困境。虽然真实用例数据更具实用性，但也无法确保其始终可用。此外，许多数据都有时限限制。为了解决这一问题，NanoEdge AI studio v3增加了新的数据记录功能，可以将任意STWIN SensorTile无线工业节点转变为最直接的数据采集器。用户可以将电路板连接到自己的电脑，并将NanoEdge AI Studio切换到数据记录功能，之后，数据记录便可以自动进行。工程师可以将STWIN开发板固定在自己的设备上，利用板上的传感器记录设备数据，然后对这些数据进行标记和分析，以创建更精确的应用。

03在嵌入式系统上部署NanoEdge AI应用
NanoEdge AI Studio让机器学习自动化

在NanoEdge AI Studio推出之前，工程师必须联系软件供应商，检查产品的硬件配置以及要监控的行为。如今，该工具使开发人员能够定制、生成和验证自己的机器学习库。用户首先需要在系统中选择自己的Cortex-M架构和传感器类型，然后导入一个描述设备典型行为信号值的文件。这些值可以是风扇上加速度计的数据，也可以是工业设备的电气信息数据。接下来，NanoEdge AI Studio会自动进行测试和优化，并对数亿种可能组合中的最佳算法组合进行排序，生成一个定制的库，开发人员可以通过软件自带的嵌入式模拟器对该库进行验证。

NanoEdge AI Studio V3现在支持所有意法半导体的开发板，用户可以直接在其用户界面中进行选择。其优化的免费库让用户可以快速直接地进行概念验证。例如，在智能振动传感器教程中，用户可以利用NUCLEO-L432KC来收集风扇的正常行为数据，并将数据导入到NanoEdge AI Studio以生成一个AI库。在进行推理之前，用户可以在主循环中调用该库，以便对设备的正常状态进行一定数量的学习。由此可见，NanoEdge AI可以帮助用户快速创建跟预测性维护和智能安全操作等相关的应用。

利用Edge AI Sprint服务包快速引导项目

许多客户无法评估和证实人工智能（AI）为其应用带来的好处。因此，为了帮助客户以正确的方式快速启动应用项目，我们还推出了Edge AI Sprint服务包。该服务包提供的远远不止一个实用程序，而是一整套专家支持系统，可以指导开发人员快速穿过他们的应用和用例所固有的雷区。它包括了一系列培训课程、NanoEdge AI Studio的许可，以及项目过程中的技术支持。客户可以根据各自项目的复杂程度选择不同的许可期限，以确保能够完成量产。因此，通过对项目的早期阶段进行引导，Edge AI Sprint可以降低其风险和资金投入，同时增加成功的机会。