2021年12月17日，中國—— 服務(wù)多重電子應(yīng)用領(lǐng)域的全球半導(dǎo)體領(lǐng)導(dǎo)者意法半導(dǎo)體(STMicroelectronics，簡稱ST;紐約證券交易所代碼:STM) 今天發(fā)布機器學(xué)習(xí)開發(fā)工具NanoEdge? AI Studio第三版，這是自年初并購Cartesiam后對這款機器學(xué)習(xí)應(yīng)用軟件開發(fā)工具的首次重大升級。

新版 NanoEdge AI Studio的推出正值A(chǔ)I功能從云端向邊緣轉(zhuǎn)變之際，這一趨勢讓設(shè)備廠商能夠從根本上改進(jìn)工業(yè)生產(chǎn)流程，優(yōu)化制造設(shè)備維護(hù)成本，為能夠感知和處理數(shù)據(jù)以及本地操作的設(shè)備帶來創(chuàng)新功能，改善通信延遲和信息安全。升級軟件的目標(biāo)應(yīng)用包括物聯(lián)網(wǎng)設(shè)備、家用電器和工業(yè)自動化。

NanoEdge AI Studio 可簡化在任何 STM32 微控制器上開發(fā)機器學(xué)習(xí)、異常學(xué)習(xí)、檢測和分類應(yīng)用。新版本還包括預(yù)測功能，例如，回歸算法庫和異常檢測算法庫。利用該開發(fā)工具，用戶可以將尖端機器學(xué)習(xí)功能快速、輕松、經(jīng)濟地集成到設(shè)備中，不需要數(shù)據(jù)學(xué)專業(yè)知識。

意法半導(dǎo)體增加了軟件對所有 STM32 開發(fā)板的原生支持，開發(fā)者無需再為具有新的高速數(shù)據(jù)采集和管理功能的工業(yè)級傳感器編寫代碼。NanoEdge AI Studio 軟件提高了數(shù)據(jù)安全性，因為邊緣計算是使用本地數(shù)據(jù)存儲和處理技術(shù)，而不是在云端傳輸處理數(shù)據(jù)。

客戶反饋

國際技術(shù)咨詢和工程公司 Alten Group創(chuàng)新部科學(xué)總監(jiān) Steve Peguet 表示：“我們曾有幸用 NanoEdge AI Studio為航空航天行業(yè)的一家客戶開發(fā)解決方案。在昂貴的零件制造過程中，鉆頭磨損或最輕微的異常都會帶來嚴(yán)重的后果。Alten用 NanoEdge AI Studio把機器學(xué)習(xí)算法集成到電鉆機中。經(jīng)過生產(chǎn)線上測試，這個解決方案的效果非常好。因此，Alten 圍繞這項技術(shù)創(chuàng)建了一個標(biāo)準(zhǔn)的操作規(guī)程，支持客戶預(yù)測性維護(hù)，并將這些初步開發(fā)結(jié)果轉(zhuǎn)化商用，在他們的工廠中部署一個開創(chuàng)性的鉆機規(guī)范性維護(hù)解決方案?！?

Stimio是一家專門為鐵路和其他行業(yè)開發(fā)工業(yè)物聯(lián)網(wǎng)(IIoT)解決方案的公司，首席執(zhí)行官兼創(chuàng)始人 David Dorval表示:“我們的主要鐵路客戶要求我們提供低功耗的自主無線預(yù)測性維護(hù)解決方案，以延長生產(chǎn)線正常運行時間，優(yōu)化運營成本，避免造成重大損失的停產(chǎn)事故。低功耗邊緣人工智的作用是我們產(chǎn)品戰(zhàn)略的核心，在對多個邊緣人工智軟件解決方案進(jìn)行比較后，我們選擇了ST的 NanoEdge AI Studio，利用其強大的低功耗邊緣人工智算法豐富我們的 Oxygen Edge 產(chǎn)品組合?！?

可穿戴技術(shù)公司總裁兼首席執(zhí)行官Deepak Arora表示：“NanoEdge AI 能夠幫我們縮短機器學(xué)習(xí)開發(fā)時間，更快開發(fā)出安全的下一代電子設(shè)備，為我們的家人和愛人帶來健康與快樂。通過在個人設(shè)備上運行邊緣人工智，我們能夠迅速做出準(zhǔn)確度更高、誤報率更低的知情決策?！?

NanoEdge? AI Studio V3 的主要特性和功能

?完全重新設(shè)計的用戶界面，使非專家級用戶也能更輕松地開發(fā)最先進(jìn)的機器學(xué)習(xí)庫。

?在STWIN開發(fā)板開發(fā)板上支持全新的高速數(shù)據(jù)采集和管理功能，無需寫任何代碼即可輕松管理所有的工業(yè)級傳感器

?改進(jìn)了對異常檢測的支持，特別適用于預(yù)測性維護(hù)，能夠準(zhǔn)確地預(yù)測磨損現(xiàn)象或更好地處理設(shè)備老化。

?直接在STM32 MCUs上用小數(shù)據(jù)集學(xué)習(xí)正常特征或用新算法訓(xùn)練模型識別之前未見過異常模式。

?新增回歸算法來推斷數(shù)據(jù)并預(yù)測能源管理的未來數(shù)據(jù)模式或預(yù)測設(shè)備的剩余壽命。

?原生支持所有STM32 開發(fā)板，無需配置。