当前位置:首页 > 单片机 > 单片机
[导读]瑞萨电子株式会社今日宣布,扩展其嵌入式人工智能(e-AI)解决方案,将AI整合到嵌入式系统,从而实现终端设备的智能化。全球10多个国家的约150家公司正在基于这项技术开展包括工具等在内的试验,到目前为止e-AI的实际使用案例已超过30个。

瑞萨电子通过其独家DRP技术以低功耗实现了出色的实时图像处理

瑞萨电子株式会社今日宣布,扩展其嵌入式人工智能(e-AI)解决方案,将AI整合到嵌入式系统,从而实现终端设备的智能化。全球10多个国家的约150家公司正在基于这项技术开展包括工具等在内的试验,到目前为止e-AI的实际使用案例已超过30个。瑞萨电子现已开发出全新的 RZ/A2M 微处理器(MPU),把 e-AI 解决方案的使用扩展到高端应用。新款MPU提供的图像处理性能是其前一代产品RZ/A1的10倍(注1),通过采用瑞萨电子独有的动态可配置处理器(“DRP”,注2),能够以低功耗实现实时的图像处理。这样就能够将应用整合到嵌入式设备中,例如智能家电、服务机器人和紧凑型工业机械领域,以便利用摄像头和其他 AI 功能在低功耗条件下进行图像识别,并加速实现终端设备的智能化。

目前,在操作技术(OT)领域中使用 AI存在着诸多挑战,例如难以将大量数据从传感器传输到云端进行处理,以及在等待AI判断结果从云端传输回来时存在延迟。瑞萨电子已经推出了多项 AI 单元解决方案,通过精确分析电机或机器的振荡波形,可以实时检测出以前不可预见的故障。为了进一步扩展人工智能在OT领域的应用,瑞萨电子开发了带DRP功能的RZ/A2M,这让基于图像的AI功能成为可能,而这些功能往往需要比波形测量和分析更大量的数据以及更强大的处理性能。由于可以在非常低的功耗下进行实时图像处理,电池供电的设备可执行如基于相机输入的实时图像识别、采用指纹或虹膜扫描的生物识别认证,以及手持式扫描仪进行的高速扫描等任务。这就解决了与基于云计算的方法相关的诸多难题,如难以实现实时性能、难以保护隐私性以及安全性。

瑞萨电子执行副总裁、工业解决方案业务部总经理横田善和表示:“ 采用e-AI将给便利性、安全性和生产效率方面带来巨大的进步。我们通过使用e-AI成功地提高了自己工厂的产能,从而验证了AI给终端设备带来的优化。我们将继续扩大e-AI应用的范围,将其从色彩、形状和波形等简单属性扩展到复杂图像的实时处理;我们将提供更广范围应用、人人都可以使用的e-AI解决方案,在推动终端设备智能化方面发挥领导作用。”

具有DRP功能的新型RZ/A2M的主要特点

带DRP功能的RZ/A2M是RZ/A系列MPU的新成员,配备了大容量片上RAM,无需外部DRAM。RZ/A系列MPU非常适合采用人机界面(HMI)功能的应用,而RZ/A2M进一步增强了这一特性,它提供了多项非常适合于摄像头应用的功能。它支持广泛用于移动设备的MIPI® 摄像头接口,并配备了DRP,可以通过该接口高速处理图像输入。瑞萨电子通过增加双通道以太网支持增强了网络功能,并通过片上硬件加密加速器增强了安全功能。通过这些功能,新型RZ/A2M可实现安全可靠的网络连接,适合于各种采用图像识别功能的系统,涵盖从家用电器到工业机械的广泛范围。了解更多该款新品规格,请点击此处。

瑞萨电子计划继续扩大其基于DRP技术的e-AI解决方案的范围。在2019年下半年,瑞萨电子将发布一款搭载DRP的AI加速器,其AI处理性能比软件处理快100倍,并且能够通过e-AI进行实时推理。2021年,瑞萨电子将发布下一代AI加速器,其能力是传统MPU的1000倍。借助于这种方式,瑞萨电子将通过AI提升嵌入式设备的价值,让终端设备不但可以进行推理,而且能够进行学习。

上市情况

带 DRP 功能的 RZ/A2M 样片现已上市。瑞萨电子提供开发板、参考软件以及 DRP 图像处理库,使客户能够立即开始评估 HMI 功能和图像处理性能。计划将于 2019 年第一季度开始量产;到 2021 年,所有版本的月产量预计将达到合计 400,000 套。

注:

1. 例如,当运行用于检测图像边缘的“Canny边缘检测”算法时,如果采用CPU进行软件处理,RZ/A2M将需要每帧142毫秒(ms);但是,如果采用片上DRP进行硬件处理,则只需要每帧10毫秒。这表明图像处理性能提高了10倍以上。

2. DRP是一套硬件知识产权(IP)模块,能够从一个时钟周期到下一个时钟周期动态地改变其处理电路的配置。在广播设备和数码相机等应用中,DRP已在量产中应用了十多年。这套瑞萨电子独有的技术将硬件性能与软件灵活性相结合,多年来为各种产品带来了附加价值。展望未来,瑞萨电子计划将DRP的使用扩展到e-AI,以提供卓越的功耗性能和无与伦比的灵活性,时刻跟踪并保持与神经网络领域的持续进步。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

2024年4月12日,中国--服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST;纽约证券交易所代码:STM)宣布,松下自行车科技有限公司(Panasonic)宣布采...

关键字: 人工智能 电动自行车

机器人操作系统(ROS)驱动程序基于ADI产品而开发,因此可直接在ROS生态系统中使用这些产品。本文将概述如何在应用、产品和系统(例如,自主导航、安全气泡地图和数据收集机器人)中使用和集成这些驱动程序;以及这样将如何有助...

关键字: 电机控制器 机器人 嵌入式

4月17日消息,斯坦福大学近日发布《2024年AI指数报告》(AI Index Report 2024),凭借AI在大规模胰腺癌早筛上的创新突破,阿里达摩院(湖畔实验室)医疗AI入选科学与医疗领域的年度亮点研究(High...

关键字: AI 人工智能 集成电路

4月17日消息,去年,中国大陆的半导体设备支出约占据了全球总额的三分之一。

关键字: 半导体 传感器 人工智能 电动汽车

该实验室的创新技术能够增强人工智能边缘解决方案,提高神经网络能力

关键字: 人工智能 神经网络

机器学习作为人工智能领域的重要组成部分,其过程涉及到多个核心环节。本文将详细阐述机器学习的四个主要步骤:数据准备、模型选择、模型训练与评估,以及模型部署与应用,以揭示机器学习从数据到应用的完整流程。

关键字: 数据 人工智能 机器学习

随着信息技术的迅猛发展和大数据时代的到来,机器学习成为了人工智能领域中的核心技术之一。机器学习是通过模拟人类学习行为,使计算机系统能够从数据中自动发现规律、提取特征并进行预测和决策的过程。它在诸多领域取得了广泛的应用,包...

关键字: 计算机 人工智能 机器学习

机器学习算法是人工智能领域中的核心技术之一,它通过对大量数据进行学习,自动发现数据中的规律和模式,从而实现对新数据的预测、分类、聚类等任务。本文将深入探讨机器学习算法的基本过程,包括数据准备、模型选择、训练与评估等关键步...

关键字: 数据 人工智能 机器学习

机器学习是人工智能领域的一个重要分支,它使用各种算法来使计算机系统能够从数据中学习和改进,而无需进行明确的编程。在机器学习的广阔领域中,有多种算法被广泛应用,每种算法都有其独特的适用场景和优势。本文将详细介绍机器学习中的...

关键字: 机器学习 人工智能 计算机

尼得科株式会社将扩大其位于泰国的服务器用水冷模块CDU(Coolant Distribution Unit)生产线,计划在目前的月产能200 台基础上于 2024 年 6 月增加到每月 2,000 台。

关键字: 人工智能 电源 电路板
关闭
关闭