Multi-Class-Bewegungserkennung für PIR-basierte Gebäudesicherheit mit > 98 % Genauigkeit
Eine einzige auf PIR-Sensor basierte Lösung zur Unterscheidung zwischen mehreren Bewegungsquellen unter Nutzung einer MCU-skalierbaren Edge-AI-Lösung.
Anwendungsübersicht
Herkömmliche PIR-Systeme interpretieren Haustiere, Fahrzeuge oder Umgebungsänderungen oft fälschlicherweise als menschliche Bewegungen und sorgen so für Fehlauslösungen. Die Edge-KI-basierte Bewegungserkennung von TI führt künstliche Intelligenz auf Sensorebene ein und ermöglicht eine genaue Erkennung und Isolierung der Anwesenheit von Personen von anderen Bewegungsquellen.
Die CC2755-Familie beruht auf dem proprietären PIR-Bewegungserkennungsmodell und den SimpleLink™-Drahtlos-MCUs von TI und liefert mit dem integrierten NPU-CDE-Beschleunigungskern eine bis zu 5-mal schnellere Inferenz. Dies ermöglicht eine zuverlässige, energieeffiziente Sensorik für Gebäudesicherheitssysteme der nächsten Generation.
Evaluierung zum Einstieg
Datensammlung
Erfassen Sie genaue PIR-Daten mit dem TIDA-010997-Edge-AI-Sensor-BoosterPack™, das für die nahtlose Integration über mehrere TI-LaunchPad™-Plattformen hinweg entwickelt wurde.
Bewertung der Datenqualität
Hochwertige Trainingsdaten bilden die Grundlage jeder erfolgreichen KI-Lösung. Um sicherzustellen, dass Ihre gesammelten Daten die gesamte Bandbreite der realen Bedingungen darstellen und dass Sie wichtige Merkmale verschiedener Bewegungsquellen erfassen und identifizieren können, verwenden wir eine Bewertung der Anpassungsgüte.
Mit dieser Anpassungsgüte-Methode wird bewertet, ob Ihr Datensatz die erforderlichen Szenarien und Unterschiede für ein präzises Modelltraining ausreichend erfasst. Erfahren Sie mehr über unseren GoF-Ansatz und wie Sie mit seiner Hilfe sicherstellen, dass Ihr Edge-KI-Modell auf wirklich wichtigen Daten basiert. Wenn Sie lieber sofort loslegen möchten, können Sie unseren bestehenden Musterdatensatz im Entwicklungstool CCStudio™ Edge AI Studio nutzen.
Abbildung 1.1 – schlechte Datenqualität
Abbildung 1.2 – gut getrennte Hyperebenen für menschlich und nicht-menschlich
Anpassungsgüte-Test zur Veranschaulichung des Einflusses der Merkmalsextraktionsschritte während der Vorverarbeitung auf die Datentrennbarkeit.
Erstellen und trainieren Sie Ihr Modell
Sobald Ihr Datensatz bereit ist, können Sie mit dem Entwicklungstool CCStudio Edge AI Studio Modelle erkunden, trainieren und evaluieren. Dieses intuitive, GUI-basierte Tool vereinfacht den gesamten Prozess der Modellerstellung und -implementierung. Legen Sie direkt los mit dem Beispielprojekt zur PIR-Bewegungserkennung – komplett mit einem vorinstallierten Datensatz.
Bevorzugen Sie benutzerdefinierte Daten? Die Plattform enthält integrierte Datenerfassungs- und Hosting-Tools in Edge AI Studio von TI.
Finden Sie das richtige Modell für Ihre Anforderungen
TI bietet eine Sammlung optimierter PIR-Bewegungserkennungsmodellen an, die auf unterschiedliche Leistungs- und Stromanforderungen zugeschnitten sind. Lesen Sie das Benutzerhandbuch des tinyML Tensor Lab von TI, um Modelle zu entdecken, die am besten zu Ihrer Anwendung passen.
Modellflexibilität zur Unterstützung Ihrer Anwendungsanforderungen basierend auf den Speicherbeschränkungen und den Rechenanforderungen.
Implementierung Ihres Modells
Sobald Training und Validierung abgeschlossen sind, implementieren Sie Ihr Modell auf den drahtlosen SimpleLink™-MCUs von TI und erleben Sie Echtzeitleistung direkt auf unserer Hardware.
Die Softwareentwicklungstools von Edge AI Studio optimieren die Implementierung zu einem durchgehenden Prozess, während das SimpleLink-SDK-EdgeAI-Plugin eine tiefere Anpassung und Integration in Ihre Embedded-Anwendungen ermöglicht.
Finden Sie den richtigen Baustein für Ihre Zwecke
Die SimpleLink™-Drahtlos-MCU-Familie bietet skalierbare Leistung für die effiziente Ausführung von PIR-Bewegungserkennungsmodellen und kombiniert KI-Beschleunigung, energieeffizienten Betrieb und erweiterte drahtlose Kommunikation, um ein wirklich intelligentes Sensor-Ökosystem zu ermöglichen.
| Produktnummer | Verarbeitungskern | NPU verfügbar | Taktfrequenz (MHz) | PIR-Benchmarking-Kennzahlen | ||
|---|---|---|---|---|---|---|
| Latenz (ms) | Flash (kB) | SRAM (kB) | ||||
| CC2755R10 | Arm® Cortex®-M33 | Ja | 96 | 24,5 | 75 | 23 |
| CC1352R | Arm® Cortex®-M4F | Nein | 48 | 134 | 89 | 31 |
| CC1352P7 | Arm® Cortex®-M4F | Nein | 48 | 134 | 89 | 31 |
| CC1354P10 | Arm® Cortex®-M33 | Nein | 48 | 62,5 | 82 | 29 |
| MSPM0G5187 | Arm® Cortex®-M0+ | Ja | 80 | 5,25 | 64,1 | 10,4 |
| MSPM33C321A | Arm® Cortex®-M33 | Nein | 160 | 19,82 | 201 | 15 |
Alles an Hardware, Software und Ressourcen, was Sie zum Einstieg benötigen
Hardware
LP-EMCC2745R10-Q1
Evaluierungs- und Entwicklungsplatine für SimpleLink™-Drahtlos-MCUCC27x5R10-Bausteine mit 2,4 GHz, die in Verbindung mit TIDA-010997 die KI-basierte PIR-Bewegungserkennungsanwendung ermöglicht.
LP-EM-CC1354P10
Evaluierungs- und Entwicklungsplatine für CC1354P10-LaunchPad™-Entwicklungskit für SimpleLink™-Sub-1-GHz- und 2,4-GHz-Drahtlos-Mikrocontroller, das in Verbindung mit TIDA-010997 die KI-basierte PIR-Bewegungserkennungsanwendung ermöglicht.
LP-CC1352P7
Evaluierungs- und Entwicklungsplatine für CC1352P7-LaunchPad™-Entwicklungskit für den SimpleLink™-Drahtlos-Multiband-MCU, das in Verbindung mit TIDA-010997 die KI-basierte PIR-Bewegungserkennungsanwendung ermöglicht.
LAUNCHXL-CC1352R1
Evaluierungs- und Entwicklungsplatine für CC1352R-LaunchPad™-Entwicklungskit für den SimpleLink™-Drahtlos-Multiband-MCU, das in Verbindung mit TIDA-010997 die KI-basierte PIR-Bewegungserkennungsanwendung ermöglicht.
LP-MSPM33C321A
Ein einfach zu handhabendes Evaluierungsmodul für den MCU MSPM33C321A. Das LaunchPad-Kit enthält eine auf der Platine integrierte Debug-Sonde für Programmierung, Debugging und die EnergyTrace™-Technologie. Verwenden Sie diese in Verbindung mit dem MSPM33-Softwareentwicklungskit und Edge AI Studio von TI, um KI-basierte PIR-Bewegungsklassifizierungsmodelle zu entwickeln.
LP-MSPM0G5187
Ein benutzerfreundliches Evaluierungsmodul für den MCU MSPM0G5187. Das LaunchPad-Kit enthält eine auf der Platine integrierte Debug-Sonde für Programmierung, Debugging und die EnergyTrace™ Technologie. Verwenden Sie es in Verbindung mit dem MSPM0-Softwareentwicklungskit und Edge AI Studio von TI, um KI-basierte PIR-Bewegungsklassifizierungsmodelle zu entwickeln.
Software- und Entwicklungstools
CCStudio™ Edge AI Studio
Eine vollständig integrierte Lösung ohne Notwendigkeit von Code zum Training und Kompilieren von PIR-Bewegungserkennungsmodellen, um sie auf Embedded-Mikrocontroller-Bausteinen von TI implementieren.
SIMPLELINK-SDK-Edge-KI-Plug-in
Das SimpleLink™-SDK-Edge-KI-Plug-in ist ein begleitendes Softwarepaket, das erweiterte Funktionen künstlicher Intelligenz auf verschiedenen SimpleLink™-MCU-Plattformen ermöglicht.
Unterstützende Ressourcen
Referenzdesign für ein sensorisches Booster Pack mit 2x PIR-AFE zur PIR-Bewegungserkennung.
Erfahren Sie mehr über CCStudio™ Edge AI Studio: Die All-in-One-Lösung zur Erfassung von Daten, Trainingsmodellen und Bereitstellung auf Live-Plattformen. Entdecken Sie vorgefertigte Beispiele oder nutzen Sie Ihre eigenen Daten, um TI-Model-Zoo-Modelle für überlegene Genauigkeit und Leistung zu verbessern.