人工智能彻底改变了人类活动识别的精确度，并且边缘AI让这些算法可以嵌入到任何地方。它们可以在不泄露任何个人信息的情况下在本地运行，并嵌入到智能手表和手环等设备当中。
如果您正在开发此类应用，并且非常在意功耗问题，那么本应用案例对您来说就值得一看了。健身活动识别是可穿戴设备在健身方面的一个应用示例，它可以识别二头肌卷曲、侧举和深蹲等活动 - 由于 意法半导体的MEMS传感器采用了机器学习内核 (MLC)，所有这些应用的功耗能做的非常低。
方法
- 如果使用Profi-MEMS开发板 (STEVAL-MKI109V3) 和LSM6DSV16X DIL24适配器板 (STEVAL-MKI227KA)，则可以通过Unico-GUI或MEMS Studio来获取数据日志。
- 还可以使用SensorTile.box PR O无线盒装套件以及Android或iOS中的STBLESensor应用程序来获取数据日志。
- 已将低通滤波器 (IIR1) 应用于加速度计输入数据。
- 我们使用MEMS-Studio生成并配置了一个具有四个特征的决策树模型：平均值、峰峰值、最小值、最大值。
- MLC以30 Hz的频率运行，在90个样本的窗口（对应于3秒钟）中计算特征。
传感器
6轴惯性测量单元 (IMU) 和AI传感器，具有嵌入式传感器融合、面向高端应用的Qvar（参考代码： LSM6DSV16X）。
数据
加速度计具有 ±8 g满量程、30 Hz输出数据速率、低功耗模式1的配置。该算法的传感器方向为东-北-上 (ENU)：
为了执行决策树算法，已使用安装在左手（或右手）手环上的器件 (LSM6DSV16X) 获取所有数据日志。
- X平行于手臂（对于左腕为朝向手部，对于右腕为远离手部）
- Y垂直于手臂（查看设备时为远离用户）
- Z指向上方
为了执行决策树算法，已使用安装在左手（或右手）手环上的器件 (LSM6DSV16X) 获取所有数据日志。
结果
功耗（传感器 + 算法）： 16.5 uA
决策树大约有 30个节点，配置为检测不同的分类。
决策树分类器的输出结果存储在寄存器MLC1_SRC (70h) 中：
每次寄存器MLC1_SRC (70h) 更新新值时，该配置都会在INT1引脚上生成一个中断（脉冲和高电平激活）。在此配置中，中断脉冲的持续时间为 33.3 ms。
决策树大约有 30个节点，配置为检测不同的分类。
决策树分类器的输出结果存储在寄存器MLC1_SRC (70h) 中：
- 0 = 无活动
- 4 = 二头肌卷曲
- 8 = 侧举
- 12 = 深蹲
每次寄存器MLC1_SRC (70h) 更新新值时，该配置都会在INT1引脚上生成一个中断（脉冲和高电平激活）。在此配置中，中断脉冲的持续时间为 33.3 ms。
资源
![MEMS-Studio]()
![MEMS-Studio]()
![LSM6DSV16X]()
![LSM6DSV16X]()
模型创建工具 MEMS-Studio
用于在智能传感器上实现AI功能的桌面软件解决方案。通过MEMS Studio，用户可以分析数据、评估嵌入式库，并为整个MEMS传感器组合设计无代码算法。
兼容 LSM6DSV16X
智能传感器能够直接处理其捕获的数据，向主控 提供内部逻辑处理后的结果。通过在本地处理数据，智能传感器减少了对传输数据和云处理的需求，从而降低了系统功耗。