边缘AI

第 13 章 使用案例：消费品

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]

边缘机器学习用于消费电子产品和产品，使设备能够根据数据做出决策，而无需将数据发送到云端。这可以节省时间和带宽，也可用于敏感数据和需要保密的情况。边缘机器学习还可用于以消费者为中心的任务，如面部识别、物体检测、语音识别和传感器分类。通过分析和识别设备上正在摄取的消费者数据中的模式，然后再将其发送到云端进行进一步处理，产品可以快速适应用户的需求：显示所需的产品使用情况，向用户提供有关产品的定制提醒等。

通过使用边缘人工智能，消费类产品可以整合并利用车载传感器的数据，实现几乎无限量的用例。例如，自行车可以分析骑行者周围的环境，以获取可能影响骑行质量的交通信息和环境数据；智能冰箱可以自动检测产品是否快用完，并将产品添加到购买清单中。在本章中，我们将集思广益，探讨将边缘人工智能用于消费产品的各种方法、相关传感器和设备配置，以及我们所选择的方法和用例解决方案的深入教程。

问题探索

许多消费技术产品已经不断与互联网连接，例如智能家居设备、安全摄像头、可穿戴设备、自动驾驶汽车和无人机。这些设备需要处理大量数据，或将这些大量数据发送到云平台中进行远程处理。边缘 ML 可以让这些消费产品从设备上已经摄取的海量传感器数据中快速响应环境的变化，而不需要将其发送到云端进行进一步处理，这通常需要大量的时间、电池使用和带宽消耗等。

应用我们在本书中学到的技术，为终端消费电子产品开发边缘机器学习模型是一项极其广泛的任务。为了缩小关注范围，我们将讨论众多总体目标，然后深入探讨其中一个目标的实现。消费者总体目标的一个例子是能以某种方式抚慰宠物的产品。从目标上讲，我们既可以生成一个机器学习模型，对宠物的水盆进行分析，并在水快没了的时候提醒人类；也可以在宠物的项圈中集成一个装置，检测某种令人心烦的噪音或声音，然后提供安抚反馈。这两种方法都能实现相同的目标，即通过终端产品设备安抚宠物，但每种方法都可能需要不同的机器学习类和传感器输入组合才能解决。

设定目标

随着世界的发展，利用边缘人工智能技术创造有用、高效的消费产品非常有用。消费者将开始期待他们的技术变得越来越智能，但同时又不侵犯他们的数据隐私权。消费类产品几乎有无穷无尽的选择，可以将其机载传感器数据与边缘机器学习模型整合在一起。通过将这些板载传感器获得的智能与边缘人工智能相结合，消费类产品可以获得更好的整体性能、更长的电池寿命（取决于使用情况），并全面提高最终用户的满意度和用户友好性/可访问性。

解决方案设计

在本章中，我们将选择设计并实现一个低成本、高效率且易于训练的边缘人工智能模型，该模型适用于与带有板载加速度传感器的自行车监测设备相关的消费产品用例。然而，用于检测危险和监控骑车人安全的边缘人工智能模型不仅需要使用加速度计。通过使用本章和本书中介绍的原理和设计工作流程，还可以为自行车监控设备实现许多其他类型的机器学习模型和应用，包括使用摄像头图像输入监控周围环境信息和潜在的碰撞/交通事故，通过传入的音频信号数据识别碰撞等。

现有哪些解决方案？

市场上已经出现了大量的智能边缘人工智能消费产品，或者最近刚刚从原型阶段发布。像君王烤箱（June Oven）和海尔 6 系列这样的智能厨房电器都配备了人工智能技术，可以帮助你完成从膳食计划到打扫卫生的所有工作。全世界的手机用户都被 Apple Watch、三星智能手表或 Fitbit 等人工智能可穿戴设备锁定在他们所选择的硬件供应商生态系统中。 ...