意法半導(dǎo)體在GitHub上發(fā)布了其機器學(xué)習(xí)核心庫（https://github.com/STMicroelectronics/STMems_Machine_Learning_Core），并附帶示例和配置文件，極大地改善了開發(fā)體驗。眾所周知，人工智能設(shè)計非常困難，因為它依賴于數(shù)據(jù)科學(xué)。此外，創(chuàng)建正確的算法（例如決策樹）并進行設(shè)置也可能很棘手。所有這些問題又限制了工程師進入門檻。因此，ST在GitHub上發(fā)布了一系列軟件來解決此問題。該軟件包包括數(shù)據(jù)日志的子集，以及LSM6DSOX，LSM6DSRX，ISM330DHCX，IIS2ICLX慣性傳感器的應(yīng)用程序和配置示例。它已經(jīng)為主要的ST客戶提供了服務(wù)，來開發(fā)其商業(yè)解決方案。因此，我們認(rèn)為社區(qū)的其他成員也可以從中受益。

使機器學(xué)習(xí)更易訪問

支持的傳感器是獨特的，因為它們都具有可以并行運行一個或多個決策樹的機器學(xué)習(xí)核心。 ST是第一個提供這種組件的公司，因為機器學(xué)習(xí)核心可以以微控制器的低功耗低資源占用率提供決策能力。結(jié)果，意法半導(dǎo)體（ST）從2019年開始使用LSM6DSRX和ISM330DHCX等新器件擴展其產(chǎn)品線。ST還通過發(fā)布Unico-GUI之類的工具來減少進入的障礙。該程序提供了一個圖形界面，有助于進行數(shù)據(jù)收集和機器學(xué)習(xí)核心的配置。因此，GitHub庫是旨在使機器學(xué)習(xí)更易于訪問的另一項舉措。任何人都可以簡單地按照軟件包中概述的步驟進行操作，并在幾分鐘內(nèi)測試應(yīng)用程序。

機器學(xué)習(xí)核心庫

健身活動

機器學(xué)習(xí)核心庫的一個示例是在LSM6DSOX上運行的健身識別。該程序使腕帶能夠自動檢測到二頭肌彎曲，側(cè)舉，下蹲或靜止位置。用戶需要告知系統(tǒng)可穿戴設(shè)備是在左手還是右手。該應(yīng)用程序依賴于使用LSM6DSOX慣性模塊的腕帶收集的數(shù)據(jù)。ST用可穿戴設(shè)備先從右手再到左手收集數(shù)據(jù)，現(xiàn)在在存儲庫中提供“左手”數(shù)據(jù)的子集。此外，開發(fā)人員將找到示例來幫助他們設(shè)計類似的算法，并研究應(yīng)用于加速度計信號的濾波器。

瑜伽姿勢

這個應(yīng)用程序很有趣，因為它運行在SensorTile.Box上，并且可以識別12個瑜伽位置以及兩個非瑜伽站立位置（靜止和運動中）?？梢詫⒃O(shè)備連接到用戶的左腿上，并使用其強大的傳感器來運行具有20個節(jié)點的決策樹。當(dāng)用戶改變姿勢時，系統(tǒng)可以在不到一秒鐘的時間內(nèi)檢測到它。該系統(tǒng)可以區(qū)分木板，孩子的姿勢，狗或冥想姿勢等。該數(shù)據(jù)庫還提供了來自UNICO-GUI的數(shù)據(jù)日志，該日志有助于創(chuàng)建決策樹分類器。該系統(tǒng)通過在X，Y和Z軸上跟蹤加速度計的平均值來確定姿勢。

機器學(xué)習(xí)核心庫和運動檢測

車輛靜止檢測

靜態(tài)檢測算法通過更精確的LSM6DSRX來確定汽車是否在行駛。該應(yīng)用程序使用來自加速度計和陀螺儀的數(shù)據(jù)，并且無論方向如何均可工作。GitHub庫中還提供了收集的數(shù)據(jù)日志的一部分，以制作此程序。此外，ST提供了配置示例，以幫助開發(fā)人員研究類似算法。該示例可幫助初學(xué)者了解一些濾波器如何對輸入信號產(chǎn)生影響。該配置還顯示了我們?nèi)绾螌崿F(xiàn)具有30個節(jié)點的決策樹。意法半導(dǎo)體在其嬰兒哭鬧探測器中使用了類似的算法。的確，行駛中的汽車意味著有駕駛員在場，這意味著即使嬰兒在哭，也不需要發(fā)出警報，因為汽車中有成人。

頭部識別

頭部動作識別應(yīng)用程序還使用LSM6DSRX。耳機中的傳感器可以確定用戶是在點頭，靜止，行走，搖頭還是搖頭。ST使用此特定的慣性傳感器為該算法收集了數(shù)據(jù)，并且有一部分?jǐn)?shù)據(jù)日志可用。該應(yīng)用程序使用X上來自加速度計和陀螺儀的數(shù)據(jù)，Y和Z軸。 但是，并非所有數(shù)據(jù)源都接收相同的過濾器。 例如，系統(tǒng)僅在Y軸上監(jiān)視加速度計的最大閾值，而在同一感測元件的X軸上尋找最小閾值。 因此，這是信號處理在機器學(xué)習(xí)應(yīng)用程序中的重要性的一個很好的例子。此外，決策樹本身非常簡單，只有七個節(jié)點就可以檢測五個類別。
編輯：lyn