SensiML Corporation, uno sviluppatore di tool per l’intelligenza artificiale per la creazione di terminali intelligenti per l’IoT, ha annunciato l’avvio di una collaborazione con onsemi volta a fornire una soluzione completa di apprendimento automatico per l’elaborazione e la modellazione predittiva basata sui dati dei sensori autonomi. La collaborazione combina il software di sviluppo Analytics Toolkit di SensiML con il kit di sviluppo per sensore RSL10 di onsemi, per creare una piattaforma ideale per applicazioni di rilevamento a bordo rete, come il controllo e il monitoraggio dei processi industriali. SensiML offre la capacità di supportare le funzioni per l’IA con un’occupazione di memoria ridotta, in combinazione con funzioni avanzate di rilevamento e con la connettività Bluetooth® Low Energy fornita dalla piattaforma RSL10, senza dover effettuare l’analisi su cloud dei dati grezzi altamente dinamici dei sensori.
Gli sviluppatori che utilizzano in combinazione la piattaforma basata su modulo RSL10 e il software SensiML possono aggiungere facilmente algoritmi locali predittivi a bassa latenza per l’IA ai propri dispositivi industriali indossabili, alle applicazioni di robotica e di controllo di processo o alle applicazioni di manutenzione predittiva, indipendentemente dalla loro esperienza nel data science e nell’IA. Il codice generato automaticamente consente il rilevamento intelligente dei terminali embedded che trasformano i dati grezzi del sensore in eventi di analisi critiche, proprio laddove si verificano, e permettono di intraprendere le azioni opportune in tempo reale. Inoltre, i terminali intelligenti riducono drasticamente il traffico di rete comunicando i dati solo quando essi offrono informazioni a valore aggiunto.
Perché optare per l’apprendimento automatico locale
“L’analisi basata su cloud è troppo lenta, remota e inaffidabile per i processi industriali più critici”, ha affermato Dave Priscak, vicepresidente della divisione ingegnerizzazione delle applicazioni di onsemi. “La differenza tra l’analisi di un evento chiave con apprendimento automatico locale e l’apprendimento remoto su cloud può fare la differenza nel garantire la continuità produttiva, nell’evitare costosi guasti alle apparecchiature e nel garantire la sicurezza e la produttività del personale”.
“Altre soluzioni AutoML per applicazioni a bordo rete si basano solo su modelli di classificazione delle reti neurali semplicemente con configurazioni AutoML di base, che danno origine a codice non ottimale per una determinata applicazione”, ha affermato Chris Rogers, Ceo di SensiML. “La nostra ricerca completa del modello AutoML include non solo le reti neurali, ma anche una serie di algoritmi classici di apprendimento automatico, oltre a segmentatori, selettori di funzioni e trasformate per il condizionamento dei segnali digitali, allo scopo di fornire il modello più compatto per soddisfare i requisiti prestazionali di un’applicazione”.
Il Toolkit SensiML Analytics è la soluzione di punta di SensiML e supporta i core di microcontrollori di classe Arm® Cortex®-M e superiori, i processori con set di istruzioni Intel® x86, i SoC QuickLogic core eterogenei e le piattaforme QuickAI con ottimizzazioni per FPGA.
Potrebbe interessarti anche:
