作者：Liviu Ene

处理边缘连接的机器学习（ML）应用的复杂性是一个艰巨而漫长的过程。将相关应用功能与在经济高效的平台上部署此ML模型的复杂性结合起来，需要花费大量的精力和时间。恩智浦基于ML的系统状态监测应用软件包（App SW Pack）为快速开发此类复杂应用提供了量产源代码。

打造边缘就绪解决方案并非易事，如今几乎所有开发人员都避免尝试从头开始构建应用或产品。始终存在的面市时间压力意味着，终端产品制造商和应用工程师越来越依赖现有的示例和抽象层来节省时间。这使我们能够更多关注用户体验和更高应用级别的编码，以便集成到终端产品中，而不是花费时间和精力重新开发核心代码，如底层驱动程序、中间件和通信堆栈。关注终端产品的用户体验和差异化特点是当今产品开发工作的关键驱动因素，因此参考应用是快速稳健开发基于MCU和应用处理器的产品的关键推动因素。

恩智浦的应用支持工具涵盖的范围广，从解决特定器件功能问题的应用笔记到支持量产的全包式解决方案，应有尽有。全包式解决方案包含面向特定用例的定制参考硬件，可快速转化为终端产品。我们需要在支持工具中找到平衡，既有完整应用解决方案作为参考，但也能灵活调整以适应客户的应用需求。

为了满足这一点，同时进一步完善广泛的MCU和应用处理器产品系列，恩智浦新增了“应用软件包”，提供真实、完整的应用软件包，软件包高度灵活，广大受众可应用于各种技术领域的客户产品中。

灵活的恩智浦应用软件包

应用软件包是一种混合软件包，在全包式解决方案和示例应用代码之间找到了平衡。它们可以用于产品化（类似于全包式解决方案），但也可通过定制产品化的开源策略，满足更多开发人员。应用软件包内容完整且易于使用，包括驱动程序、中间件、通信堆栈和示例应用的组合，以及全面的指南和培训材料（应用笔记、实验指南、培训视频等），开发人员能够快速上手，顺利集成到产品中。

恩智浦正在开发一系列应用软件包，目标应用领域包括机器学习、连接、远程设备管理、语音和视觉领域等。

基于机器学习的系统状态监测系统——应用软件包

应用软件包系列中的第一款产品是基于机器学习的时间序列数据的状态监测系统。

鉴于机器学习、神经网络和深度学习的复杂性，再加上MCU的尺寸越来越小，机器学习应用开发可能会令人却步。基于机器学习的系统状态监测系统应用软件包的创建可简化智能传感设备的开发，这些设备依赖于时间序列数据的机器学习处理来生成决策，而无需人工干预。

基于机器学习的系统状态监测系统流程图

借助这款基于机器学习的系统状态监测系统应用软件包，开发人员能够在基于MCU的系统上开发和部署神经网络。此应用软件包展示了如何创建风扇振动状态监测和故障识别解决方案，还详细介绍了如何在基于MCU的嵌入式目标上验证和评估模型的性能。它通过真实的用例（从t0开始），在嵌入式板上部署并评估ML模型，演示了ML开发的每一步：

1.如何收集数据并构建定制的综合数据集

2.如何定义神经网络的架构并训练模型

3.如何在嵌入式器件上验证和部署模型

基于ML的系统状态监测系统应用软件包使用eIQ®ML开发环境开发，附带MCU软件、各种ML项目和有益的辅助资料（应用笔记、实验室指南和视频、培训和验证数据集）。与eIQ的结合使基于ML的系统状态监测系统应用软件包能够利用eIQ框架内的基本基线支持，包括eIQ工具包、eIQ门户和基于MCU的eIQ推理引擎，如DeepViewRTTM、Glow和TensorFlowTM Lite Micro。

立即下载并开始使用：应用软件包：基于ML的系统状态监测系统。

作者：

Liviu Ene

恩智浦边缘处理事业部战略项目团队嵌入式系统工程师

Liviu是一位充满激情的工程师，在嵌入式软件和硬件领域拥有丰富经验，擅长基于MCU和应用处理器的产品技术，他专注于边缘计算，包括创新、可扩展性、增强的用户体验、节能、安全性、连接性和机器学习方面。目前，他在战略合作团队中的工作重点是与合作伙伴无缝合作，为客户提供量身定制的解决方案，并加快基于恩智浦的新产品的开发。