运用恩智浦应用软件包快速启动产品开发

在边缘计算领域开发机器学习（ML）应用往往涉及大量底层工作，从硬件驱动调试到模型部署优化，整个过程耗时且复杂。为了解决这一难题，恩智浦推出了基于ML的系统状态监测应用软件包（App SW Pack），它是一套可直接用于量产的源代码方案，能帮助开发者大幅缩短从构想到产品落地的时间。

一、边缘ML应用开发的挑战

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。

小提示：在评估任何应用软件包时，建议先确认其是否包含完整的驱动、中间件以及通信栈，这样才能真正减少底层开发工作量，把精力集中在应用层的创新上。

常见问题

• 问：为什么不能直接从零开始开发边缘ML应用？
  答：因为边缘ML应用需要兼顾多种底层组件（如传感器驱动、通讯协议、硬件抽象层等），同时还要处理模型训练、转换和部署。从头开发这些内容通常需要数周甚至数月时间，而使用成熟的软件包可以直接复用已验证的代码，显著降低风险并加快上市速度。
• 问：使用应用软件包是否意味着失去了灵活性？
  答：并非如此。恩智浦应用软件包在设计时特别强调了“灵活调整”，它在提供完整解决方案的同时，允许开发者根据自身需求修改开源代码，因此既适合快速原型，也适合深度定制。

二、恩智浦应用支持工具的全景

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。

小提示：恩智浦应用软件包是“混合型”的工具，它既可以像全包式解决方案那样直接用于量产，又因为开源代码而支持定制化修改。选择时建议根据项目的定制深度来决定是否直接使用还是进行二次开发。

三、基于机器学习的系统状态监测系统——应用软件包详解

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

3.1 软件包的核心功能

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

3.2 技术栈与工具链

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。

小提示：该软件包特别适合需要处理时间序列数据的工业状态监测场景，例如风扇、电机、泵等旋转机械的振动分析。你可以使用附带的预训练模型快速验证效果，也可以用自己的数据集重新训练模型。

常见问题

• 问：该软件包支持哪些恩智浦的MCU平台？
  答：软件包基于eIQ®ML开发环境，通常支持恩智浦主流的跨界MCU（如i.MX RT系列）和LPC系列。具体支持的型号请查看软件包对应的应用笔记或下载页面中的硬件要求部分。
• 问：我能否使用自己的传感器数据来训练模型？
  答：完全可以。软件包提供了完整的数据收集指南和数据集构建方法，你可以按照文档中的步骤，使用自己的传感器采集时间序列数据，然后重新训练神经网络模型。软件包中附带了工具链和示例脚本，可以简化数据处理和模型训练流程。
• 问：部署模型需要额外的硬件吗？
  答：不需要。所有推理过程直接运行在恩智浦的MCU上，无需云服务器或外部翻跟斗。软件包已经针对MCU资源进行了优化，例如使用TensorFlow Lite Micro等轻量级推理引擎。

四、立即开始使用

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。

通过本教程，您已经了解了恩智浦基于ML的系统状态监测应用软件包的价值、核心功能以及如何使用它来加速您的边缘ML产品开发。无论您是初次尝试嵌入式ML的初学者，还是寻求量产方案的资深工程师，这个软件包都能为您提供直接的帮助和参考。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：运用恩智浦应用软件包快速启动产品开发要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题