嵌入式人工智能技術開發及應用

馮一龍　殷建立

摘? ?要：嵌入式人工智能技術在相關設備的使用者操作習慣記錄、控制指令的響應速度提升等多個方面有重要的意義，所以該項技術已經成為當前行業內的研究重點。本文探索了嵌入式人工智能技術的開發方法，通過對詳細開發過程的研究和了解，分析了這一技術的實現方式，讓人工智能技術能夠獲得更好的應用水平。

關鍵詞：嵌入式人工智能技術? 技術開發? 技術使用

中圖分類號：TP393? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）02（a）-0139-02

嵌入式人工智能技術依托于硬件設備，通過軟件系統的設計和開發，從而讓所有的硬件設施能夠協同運行，讓這一系統的運行質量獲得大幅度的提高。就實際作用效果上來看，當前大量的企業已經開始開發這一新型技術，并且取得了較好的應用水平，今后要對這一技術進行進一步的研究，分析該項技術的作用質量。

1? 嵌入式人工智能技術的開發

1.1 處理系統架構

處理系統的框架確定過程，通常需要以專業類型的芯片作為內核的整體架構思想，從而讓這一系統能夠保持運行的穩定。通常情況下，會選用異構多核架構模式，既能夠在運行過程中產生更少的消耗和占據更少的物理空間，也能夠充分提高處理器的運行性能。在目前的行業發展中，已經開始大量使用這一設計理念，用異構多核處理系統完成整體加工工作。比如高性能ARM核芯片等，就是采用這一多核處理架構提高了整個系統的工作性能。

1.2 GPU嵌入

GPU的作用是實現對于各類圖片和圖像信息的渲染以及處理，可以說，當GPU功能較差或者存在缺陷時，并不能夠發揮圖片顯示硬件設施的功能潛能，所以要對這批芯片進行合理加工。當前的GPU設計過程，要能夠對各類信息加速計算，以提高整個系統的響應速度，同時讓該芯片能夠更好地完成各類數據的處理任務。當前常用的設計思路是，在邊緣計算的環境下，讓GPU的運轉能夠實現對所有參數的加速處理，達到這一目的有兩種思路，一種是堆核處理方法，另一種是大核處理方法，前者的代表是ARM芯片，后者的代表是高通公司生產的芯片。

1.3 神經網絡建設

神經網絡系統事實上是整個人工智能技術中最核心的技術體系，這一方法顛覆了傳統軟件系統和硬件設施的建設框架，實現了深度學習以及數據的自主革新。

在系統的具體運行過程中，采用的架構方法是數據驅動并行計算理念，這一方法會把獲取的所有操作指令和信息使用到后續的數據處理過程，并且通過對其余參數的獲取和整理實現深度計算[1]。當前這一架構形式已經在多種處理器中取得了應用，比如華為公司的麒麟芯片系列、高通公司的芯片系列、寒武紀公司的芯片等，都開始采用這一技術詳細記錄所有的數據。

1.4 數字信號處理

DSP作為數字信號處理裝置，其運行過程中會把所有的數據導入到專業的處理模塊內，并且由于其中含有的硬件數據處理器、相關的信號處理單元可以協同運行，所以會把所有的數據以專業控制模塊的方式處理，最終做好數據的核算和管理工作。DSP信號處理裝置的使用過程，可以實現對所有數據的加速計算工作，并在此基礎上讓該系統的運行質量獲得提高，當前的DSP經過了長時間的開發和發展已經經過了升級，具有更高的集成度。

1.5 其余配置設計

其余配件的設計最核心的有兩類，一個是芯片內核加速單元，另一個是類人腦單元。前者當前多采用多數據流技術，把獲取的多媒體信號和其余類型的信號加工處理，并給出經過處理后的獲取控制指令。在前端部署方案的構造過程，通常采用這一處理方式，借助卷積運算體系，對所有的計算過程加速。

在后者的設計過程，當前主要采用的方式是模擬人腦神經網絡建成的芯片系統，數據處理功能中含有大量的神經細胞和神經突觸，其可以廣泛地獲取數據，并強化數據的處理水平，發揮了類似于人腦的功能。

2? 嵌入式人工智能技術的實現和使用

2.1 硬件平臺搭建

硬件平臺的搭建過程，上文中已經選擇了所有設備的具體參數，而且已經開發出了滿足這些功能的所有硬件設備[2]。在系統的搭建過程，首先按照已經建設的方案以及整體架構，完成硬件設備的選擇，詳細選擇之后要檢查架構質量，確定某一批次的產品質量是否符合要求，可把其安裝到設計的硬件內，從而讓硬件平臺的搭建水平大幅度提高。

其次是輔助設施的構造，建設過程要分析所有硬件設備的具體運行情況，并且對電路板中的通路以及通電系統合理設計，并把其構筑到同一個芯片架構內部，防止芯片的生產之后發現存在通信通道的斷路問題或短路問題，這就要求加工企業以及代工廠具有專業的運營資質，以提高對于某批次芯片的生產質量。

最后是質檢工作的踐行，要求專業的質檢人員和質檢部門做好對于這一設備的全面保護和檢查工作，當發現某零件的質量和實際要求不符，或者零件的損壞率高出標準值，則需要深度分析該批次芯片生產過程中存在的缺陷。

2.2 功能算法設計

2.2.1 特征值獲取

特征值獲取是軟件系統的最基礎性功能，在邊緣特征的提取方法中，設計思路是把環境的數據壓縮到感知理論體系內，并且基于深度學習理念，從獲取的數據中提取特征值。這兩種方法都能夠在整個系統的運行過程中獲取相關參數，并且把這類參數輸入到后續的分析模塊內，這一工作模式可以把已經生產的芯片和需要開發的嵌入性功能進行對接，從而實現了對運算精度和速度的雙方面兼顧，最終讓設計的芯片運行質量獲得大幅度的提高，以滿足對大量數據的處理要求。

2.2.2 計算速度提高

計算速度的提高過程，要實現在算法層面上的優化，由于采用的算法能夠體現所有程序，并且算法可以實現對程序的普適性處理，所以要做好對算法的改進工作。可以采用的設計思路是，通過分析某場景的優化方式，研究同一類型工作體系下，對某問題的解決最佳方案，并研究所有問題解決方案的構成因素，當這些構成因素可以應用于其余類型問題的解決過程，則可把其作為一個算法的構成內容，在此基礎上實現任務的多角度和多層面深度涵蓋[3]。

2.2.3 傳感器數據采集

把傳感器獲取的所有數據直接輸入到算法內，并按照建成的功能模塊處理各類信息時，則能夠大幅度提高所有數據的處理速度，并且由于減少了中間環節數量，則數據的處理精度也可以獲得提高，當前已經開始大量使用這一方法提高對系統的處理水平。比如對于移動設備來說，傳感器體系中的陀螺儀等硬件，可以測量設備的偏移角度，并把這一參數輸入到屏幕處理裝置，可以確定是否需要進行屏幕的翻轉和校準，此外該過程也可根據實際需求，在其中設置更高控制權限的數據輸入裝置，這一權限要能夠做到對當前設備操作方式和操作流程的自主監測。

2.2.4 深度學習算法應用

深度學習過程的核心要求是簡化網絡，采用的方法是刪除各類對性能影響較小的卷積核，這一方式可以讓整個系統處于更為高效優質的運行狀態，從而讓整個系統的運行穩定度提高。另外也要把學習模型和各項參數簡化處理，并且把這些參數輸入到專用的處理系統內，從而讓最終獲取的輸入參數具有更高的應用水平。

3? 結語

綜上所述，嵌入式人工智能技術的開發過程，要考慮對于硬件平臺的搭建和軟件系統的合理開發，通過傳感器的構造、計算體系加入等多種技術的使用，實現對于各類輸入信號的識別和了解，并且對控制信號詳細處理，在此基礎上輸出控制指令，讓被控設備精準運行。

參考文獻

[1] 曾凡菊.機械電子工程中人工智能技術的有效運用分析[J].湖北農機化，2019（12）：17.

[2] 畢盛.嵌入式人工智能技術開發及應用[J].電子產品世界，2019，26（5）：14-16，25.

[3] 袁孫奇，段然，崔春風.基于O-RAN架構的無線網絡嵌入式人工智能探索[J].通信世界，2019（7）：36-39.