TI MCU(마이크로컨트롤러)를 활용한 숫자 인식
MCU 솔루션을 위해 비용 및 전력 최적화 모델을 기반으로 소형 저전력 장치 환경에서 에지 AI 숫자 인식
애플리케이션 개요
에지 AI에서의 문자 인식은 메모리와 전력이 제한된 하드웨어에서 로컬로 시각 데이터로부터 텍스트를 추출하는 것을 의미합니다. 주요 과제는 저비용 마이크로컨트롤러에서 실시간 추론이 가능하도록 복잡한 신경망을 최적화하는 것입니다.
주요 적용 분야:
- 산업용 IoT: 금속 명판, 라벨, 재고 태그를 자동으로 판독
- 스마트 장치: 웨어러블 및 가전 제품에서 제스처 기반 입력 구현.
- 전력 인프라: 아날로그 계량기 값을 실시간으로 디지털화.
평가 시작하기
데이터 수집
MNIST(Modified National Institute of Standards and Technology) 데이터 세트는 필기 문자 인식을 위한 업계 표준 "Hello World" 벤치마크입니다. 주로 숫자를 식별하는 이미지 처리 시스템의 학습 및 테스트에 사용됩니다.
데이터 품질 평가
핵심 데이터 사양: 0~9까지의 단일 필기 숫자로 구성된 70,000개의 그레이스케일 이미지.
구성: 60,000개의 학습 이미지와 10,000개의 테스트 이미지로 분할.
해상도: 각 이미지는 28×28 픽셀(이미지당 총 784픽셀)의 정사각형 그리드입니다.
전처리: 숫자는 크기 정규화 및 중앙 정렬되어 고정 크기 프레임에 배치되므로, 원시 데이터보다 단순 알고리즘으로 처리하기 용이합니다.
그림 1.1 - MNIST 데이터 세트
모델 구축 및 학습
직관적인 그래픽 환경인 CCStudio Edge AI Studio를 사용하여 AI 모델 설계, 학습 및 배포 과정을 가속화할 수 있습니다.
GUI 기반 워크플로를 통해 다양한 아키텍처를 손쉽게 탐색하고 학습할 수 있으며, CLI 툴을 활용하면 모델을 수정하고 재학습하여 성능과 최적화를 향상시킬 수 있습니다.
요구 사항에 맞는 모델 찾기
TI는 오픈 소스 모델인 LENET-5를 사용하고 이를 NPU에 맞게 최적화 및 양자화하여 99% 정확도와 6.05ms의 지연 시간을 달성했습니다.
그림 1.1 - 숫자 인식
모델 배포
CCStudio™ Edge AI Studio는 학습된 모델을 임베디드 대상에 배포할 수 있는 엔드 투 엔드 워크플로를 제공합니다. 보다 높은 수준의 사용자 지정과 제어가 필요한 개발자의 경우, 에지 AI 기능을 빌드하고 자체 임베디드 애플리케이션에 통합할 수 있는 포괄적인 프레임워크를 제공하는 배포 가이드를 참조하십시오.
- Edge AI Studio GUI 툴을 사용하여 MSPM0 마이크로컨트롤러에 머신 러닝 학습 모델 배포
- CLI 툴을 사용하여 MSPM0 마이크로컨트롤러에 머신 러닝 모델 배포
적합한 장치 선택
| 제품 번호 | 프로세싱 코어 | NPU 지원 여부 | 클록 주파수(MHz) | PIR 벤치마킹 지표 | ||
|---|---|---|---|---|---|---|
| 지연 시간(ms) | 플래시(KB) | SRAM(kB) | ||||
| MSPM0G5187 | Arm® Cortex®-M0+ Core | 예 | 80 | 0.39 | 5.55 | 2.4 |
시작하는 데 필요한 모든 하드웨어, 소프트웨어 및 리소스
하드웨어
LP-MSPM0G5187
MSPM0G5187 LaunchPad™ 개발 키트 평가 모듈로, 에지 AI 추론에 사용됩니다. 전류 데이터는 ADC를 통해 수집되며, 특징 추출 이후 AI 모델로 전달됩니다.
소프트웨어 및 개발 툴
CCStudio™ Edge AI Studio
TI 임베디드 마이크로컨트롤러 장치에 배포할 PIR 동작 감지 모델을 학습하고 컴파일할 수 있는 완전 통합형 노코드 솔루션입니다.
CLI 툴
데이터 세트 처리, 모델 학습 및 컴파일을 포함한 엔드 투 엔드 모델 개발 툴을 제공합니다.
MSPM0-SDK
MSPM0-SDK는 MSPM0 MCU 플랫폼용 애플리케이션 개발을 가속화하기 위한 소프트웨어, 툴 및 문서의 종합 컬렉션을 하나의 소프트웨어 패키지로 제공합니다.