意法半导体边缘AI套件

助您将边缘AI应用于MCU、MPU和智能传感器的得力工具。

快速上手

10余款

免费软件和工具

汲取灵感

50 余个

案例研究

寻求支持

20余种

资源和文档

深入了解边缘AI领域

详细了解在嵌入式项目中用于启用边缘AI的工具。

探索我们的边缘AI实验室

探索利用边缘AI和STM32微控制器及微处理器的启发性应用示例。

生成经过优化的机器学习库

用户仅需执行数个步骤,即可基于最少量的数据查找到并配置最佳边缘AI库。

对MEMS传感器进行编程和评估

分析数据、开发嵌入式AI功能、评估嵌入式库,以及无需编码地进行算法设计。

对AI神经网络模型执行基准测试

使用在线AI基准测试服务。在意法半导体器件上远程测试您的模型。

演示:为电机故障分类

了解我们如何基于振动数据为工业机器添加机器学习功能。

意法半导体边缘AI套件中提供的全部工具

面向X-LINUX-AI的AI

手势识别TOF AI

高速数据记录

MEMS STUDIO

NANO EDGE AI STUDIO

意法半导体边缘AI内核

意法半导体边缘AI
开发者云

意法半导体边缘AI Model Zoo

STELLAR STUDIO

STM32 CUBE AI

意法半导体边缘AI套件可在产品开发的每个阶段为工程师和数据科学家提供相应的解决方案,从而加速边缘AI技术的普及。

常见问题解答

我们提供了清晰简洁的常见问题解答,供您参考。

有关如何在嵌入式项目中部署边缘AI的常见问题。

意法半导体边缘AI套件是一组用于在嵌入式系统中实现AI功能的工具。它支持STM32微控制器和微处理器、Stellar汽车微控制器、MEMS智能传感器,并包括用于数据处理和AI模型优化和部署的各种资源。此外,用户还能找到教育资料和真实案例研究,可有效简化其设计过程。

意法半导体边缘AI套件兼容多种类型的传感器,具体如下所示:
  • 时间系列传感器:加速度计、陀螺仪、磁力计、温度传感器、ToF测距传感器以及其他随时间输出数据的传感器。
  • 音频传感器:麦克风是捕获音频数据的主要传感器。
  • 视觉传感器:摄像头(RGB、黑白、红外)、飞行时间传感器、雷达、激光雷达等。

尽管意法半导体边缘AI套件专门针对意法半导体传感器(包括带MLC和ISPU的MEMS器件)进行了优化,但只要传感器提供的数据符合工具要求,就可以使用该套件。

意法半导体边缘AI套件中的工具可以支持不同类型的数据:

  • 高速数据记录:
    • 时间序列数据
  • NanoEdge AI Studio:
    • 时间序列数据
  • STM32Cube.AI (X-CUBE-AI):
    • 时间序列数据
    • 音频数据
    • 视觉数据
  • MEMS Studio:
    • 时间序列数据(来自MEMS传感器)
  • StellarStudioAI:
    • 时间序列数据
    • 音频数据
  • 面向OpenSTLinux的AI (X-LINUX-AI):
    • 时间序列数据
    • 音频数据
    • 视觉数据

  • 对于所有意法半导体器件:可以使用意法半导体边缘AI内核CLI版和意法半导体边缘AI开发者云,来优化及评估任何意法半导体硬件上AI模型的性能。
  • 对于STM32 MCU:可以使用STM32Cube.AI (X-CUBE-AI) 优化神经网络,并使用NanoEdge AI Studio实现自动机器学习。
  • 对于STM32 MPU:面向OpenSTLinux的AI (X-LINUX-AI) 及适用于Linux AI框架的STM32MP2离线编译器。
  • 对于Stellar MCU:帮助实现神经网络优化和部署的StellarStudioAI软件。
  • 对于内置机器学习内核和ISPU的MEMS:用于数据分析、算法设计和模型优化的MEMS Studio以及可预先优化模型的Model Zoo。

意法半导体边缘AI套件可帮助用户轻松找到适合其项目的工具,从而为AI模型部署提供便利:

  • 数据记录:捕获AI模型训练所需的传感器数据。
  • 自动机器学习:自动生成优化的机器学习算法。
  • 模型优化:优化AI模型并为目标器件生成相关代码。
  • 验证和测试:确保模型性能符合部署标准。
  • 在线基准测试:在云端测试意法半导体硬件上AI模型的性能。

嵌入式开发人员还可从以下方面受益:

  • Model Zoo:简化受支持器件上AI模型的部署过程。
  • 为完成整个部署过程提供更多指导的文档。

意法半导体边缘AI套件免费提供,包括商业用途,因而是将AI集成到嵌入式系统中的一个高性价比选择。