边缘AI

第 3 章 边缘人工智能的硬件 边缘人工智能的硬件

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

现在是时候来认识一下为边缘人工智能应用提供动力的设备、算法和优化技术了。本章旨在概述该领域最重要的技术要素。在本章结束时，您将掌握开始高层次规划边缘人工智能产品所需的基础知识。

传感器、信号和数据源

传感器是一种电子元件，赋予设备测量环境和检测人类输入的能力。传感器的种类繁多，从极其简单的（老式开关和可变电阻器）到令人叹为观止的复杂（激光雷达和热像仪），不一而足。传感器为我们的边缘人工智能设备提供用于决策的数据流。

除了传感器，我们的设备还可以利用其他数据源。其中包括数字设备日志、网络数据包和无线电传输等。虽然它们的来源不同，但这些辅助数据流作为人工智能算法的信息来源同样令人兴奋。

不同的传感器以不同的格式提供数据。边缘人工智能应用中通常会遇到几种数据格式。它们可以归纳如下：

时间序列

时间序列数据代表一个或多个数值随时间的变化。时间序列可能包含来自同一物理传感器的多个值，例如，单个传感器组件可能同时提供温度和湿度读数。时间序列数据通常通过以特定速率轮询传感器来收集，例如每秒轮询一定次数以产生信号。轮询率称为采样率或频率。通常情况下，单个读数（称为样本）是在一个恒定的周期内采集的，因此两个样本之间的时间间隔总是相同的。

其他时间序列可能是非周期性的，这意味着样本不是以恒定的速率采集的。这种情况可能发生在检测特定事件的传感器上--例如，接近传感器会在某物接近一定距离时拨动引脚。在这种情况下，通常会在采集传感器值的同时采集事件发生的确切时间。

时间序列可以表示摘要信息。例如，时间序列可以包括自最后一个值开始的时间间隔内发生的事情的次数。

时间序列数据是边缘人工智能最常见的传感器数据形式。它之所以特别有趣，是因为除了传感器数值外，信号还包括数值的时间信息。这在试图了解情况如何变化时提供了有用的信息。除了时间信息有用之外，时间序列数据也很有价值，因为它包含来自同一传感器的多个读数，从而降低了瞬间异常读数的影响。

时间序列没有典型的频率，从每天一个样本到每秒数百万个样本都有可能。

音频

音频信号是时间序列数据的一种特例，代表声波在空气中传播时的振荡。它们通常以非常高的频率被捕获--每秒数千次。由于听觉是人类的一种感官，因此大量的研究和开发已经投入到创新中，使在边缘设备上处理音频数据变得更加容易。

这些技术包括特殊的信号处理算法，可以更轻松地处理音频数据，而音频数据的原始形式通常是以极高的频率采集的。正如我们稍后将看到的，音频信号处理如此普遍，以至于许多嵌入式硬件都内置了高效执行音频信号处理的功能。

边缘人工智能音频处理最广泛的用途之一是语音检测和分类。也就是说，音频甚至不一定要在人类听觉的频谱范围内。边缘人工智能设备使用的传感器可以捕捉超声波（高于人类听觉）和次声波（低于人类听觉）数据。

图片

图像是由传感器捕捉整个场景（而非单点）的测量数据。有些传感器，如照相机，使用微小元件阵列一次性捕捉整个场景的数据。其他传感器，如激光雷达，则是通过在一段时间内以机械方式将单个传感器元件扫过场景来建立图像。

图像有两个或多个维度。典型的图像可以看作是由 "像素 "组成的网格，每个像素的值代表了空间中相应点的场景属性。图 3-1 左侧显示了一个基本例子。网格的大小（例如 96x96 像素）称为图像的分辨率。

一个像素可能有多个值或通道。例如，灰度图像每个像素只有一个值，代表像素的亮暗程度，而彩色图像每个像素可能有三个值（RGB ...