Reconocimiento de dígitos con los microcontroladores (MCU) de TI
Reconocimiento de dígitos de Edge AI en un dispositivo compacto y de baja potencia en modelos de costo y consumo optimizados para soluciones MCU
Descripción general de la aplicación
El reconocimiento de caracteres en Edge AI implica extraer texto de datos visuales localmente en hardware con memoria y potencia limitadas. El principal desafío es optimizar las redes neuronales complejas para la inferencia en tiempo real en microcontroladores de bajo costo.
Aplicaciones clave:
- IoT industrial: Lectura autónoma de placas de hierro, etiquetas y etiquetas de inventario.
- Dispositivos inteligentes: Habilitación de entrada basada en gestos para dispositivos para llevar puesto y electrodomésticos.
- Infraestructura de red: Digitalización de lecturas de medidores analógicos en tiempo real.
Inicio de la evaluación
Recopilación de datos
El conjunto de datos MNIST (Instituto Nacional Modificado de Estándares y Tecnología) es el punto de referencia "Hello World" estándar de la industria para el reconocimiento de caracteres manuscritos. Se utiliza principalmente para entrenar y probar sistemas de procesamiento de imágenes para identificar dígitos numéricos.
Evaluación de la calidad de los datos
Contenido de las especificaciones de datos principales: 70,000 imágenes en escala de grises de dígitos individuales escritos a mano (0–9).
Estructura: Se dividen en 60,000 imágenes de entrenamiento y 10,000 imágenes de prueba.
Resolución: Cada imagen es una cuadrícula de 28x28 píxeles (784 píxeles totales por imagen).
Preprocesamiento: Los dígitos están normalizados en tamaño y centrados en un marco de tamaño fijo, lo que los hace más fáciles de procesar para algoritmos simples que los datos sin procesar.
Figura 1.1: Conjunto de datos mnist
Construya y entrene a su modelo
Acelere el desarrollo con CCStudio Edge AI Studio, un entorno gráfico intuitivo para diseñar, entrenar e implementar modelos de IA.
Explore y entrene múltiples arquitecturas a través de un flujo de trabajo basado en una interfaz gráfica de usuario fácil de usar. Los usuarios también pueden explorar las herramientas completas de CLI para modificar y reentrenar los modelos para mejorar el rendimiento y las optimizaciones
Encuentre el modelo adecuado para sus necesidades
Utilizamos el modelo LENET-5, que es un modelo de código abierto, y optimizamos y cuantificamos el modelo para nuestra unidad de procesamiento neuronal (NPU), lo que da como resultado una precisión del 99 % y latencia de solo 6.05 ms
Figura 1.1: Reconocimiento de dígitos
Implementación de su modelo
CCStudio™ Edge AI Studio ofrece un flujo de trabajo de principio a fin para implementar modelos entrenados en objetivos integrados. Para los desarrolladores que buscan una personalización y un control más profundos, consulte las guías de implementación que ofrecen un marco completo para crear e integrar la funcionalidad de Edge AI en sus propias aplicaciones integradas
- Implemente modelos de aprendizaje automático en microcontroladores MSPM0 mediante las herramientas de interfaz gráfica de usuario Edge AI Studio
- Implemente modelos de aprendizaje automático en microcontroladores MSPM0 mediante las herramientas de CLI
Elección del dispositivo adecuado para usted
| Número de producto | Núcleo de procesamiento | NPU disponible | Frecuencia de reloj (MHz) | Métricas de puntos de referencia PIR | ||
|---|---|---|---|---|---|---|
| Latencia (ms) | Flash (kB) | SRAM (kB) | ||||
| MSPM0G5187 | Núcleo Arm® Cortex®-M0+ | Sí | 80 | 0.39 | 5.55 | 2.4 |
Todo el hardware, software y recursos que necesitará para comenzar
Hardware
LP-MSPM0G5187
Módulo de evaluación del kit de desarrollo LaunchPad™ MSPM0G5187, esto es necesario para la inferencia de Edge AI, los datos de corriente se capturan mediante ADC y se pasan al modelo de IA después de la extracción de funciones.
Herramientas de desarrollo y software
CCStudio™ Edge AI Studio
Una solución sin código totalmente integrada para entrenar y compilar modelos de detección de movimiento PIR para implementarlos en dispositivos de microcontroladores integrados de TI.
Herramientas de CLI
Utilice esta herramienta de desarrollo de modelos de extremo a extremo que contiene manejo de conjuntos de datos, entrenamiento de modelos y compilación
MSPM0-SDK
El SDK de MSPM0 proporciona la colección definitiva de software, herramientas y documentación para acelerar el desarrollo de aplicaciones para la plataforma de MCU MSPM0 en un único paquete de software.