为了展示嵌入式视觉在零售业的变革潜力，我们的合作伙伴e2ip开发了Edge AI感应套件作为概念验证。该套件不仅解决单一操作难题，更展示了实时物体检测与计数（以果蔬为例）如何在设备端直接实现。这种方法无需人工盘点或昂贵的云基础设施。通过实现本地化的设备端智能，该套件展示了边缘AI如何提升运营效率、减少缺货并适应各种零售环境。
方法
Edge AI感应套件推出之初是为了突显嵌入式视觉智能功能，水果检测与计数是其首个演示场景。该用例凸显了其对智能零售的价值，其中准确的实时库存追踪至关重要。虽然初期应用重点放在杂货店场景，但底层边缘AI视觉技术具有广泛适用性——涵盖智能家居、智慧城市、房间占用监测等情景感知自动化系统。
传统视觉检测系统主要依赖云计算进行图像数据处理与分析。虽然有效，但这些方案需要持续联网，产生高带宽和基础设施成本，并带来延迟。这种集中式方法会限制可扩展性和响应能力。
边缘AI通过直接将智能引入设备，从根本上改变了这一模式。边缘实时处理减少对外部基础设施的依赖，降低运营成本，并提升速度和效率。这种分布式方法还提高了可扩展性、安全性和可访问性，使视觉应用在更多行业都都可行。
- Edge AI感应平台探索套件利用STM32N6 MCU完全在设备端运行实时物体检测与计数模型。主要优势包括：
- 低延迟性能（通常低于200 ms）实现即时实时的库存可视
- 完全边缘处理，不依赖云服务器
- 经过训练的AI模型能在不同光照和摆放条件下检测多种商品，准确性更高
- 超低功耗设计，支持持续监测且不会对能源预算造成压力
- 无需云服务器、经常性数据成本或额外的标签基础设施，从而降低运营成本
通过基于STM32N6 MCU的边缘AI技术，该解决方案展示了如何在现代零售环境中实现智能、可扩展且经济高实惠的库存管理。
应用概述
500万像素摄像头捕获高分辨率图像，由图像信号处理 (ISP) 子系统处理。降采样后的256×256帧被发送到神经处理单元（Neural-ART加速器）进行水果和手部检测。边界框经过后处理，按类型统计水果数量并检测交互。事件由事件控制器管理并带时间戳记录。同时，ISP提供960×960帧通过H.264编码器进行视频编码，整个过程通过USB或Wi-Fi传输。物联网控制器处理遥测数据以实现远程监控。
传感器
本模型使用的传感器是Sony IMX335 5MP RGB：
- 输入：2592x1944
- IPS调整大小：960x960
- FPS：15
E2ip将提供配备各类传感器的扩展板以满足特定应用需求。
数据集和模型
数据集：
- 定制数据集（7个类别）
- 8000张原始图像
- 11.5万张增强图像
- 51万条标注
模型：
- YOLOv8-nano。
- 输入尺寸：256 x 256 x 3
- 可训练参数：3,031,321
- MACC：6.73E+08
结果
权重（Flash存储器）：2.9 MB
激活 (RAM)：880 KB
推理时间：33 ms
每秒推理次数：30
作者：E2IP Technologies与Siana Systems |最后更新时间：2025年5月
资源
使用STM32Cube.AI进行优化
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
最适用于STM32N6系列
STM32系列32位微控制器基于Arm Cortex®-M处理器，旨在为MCU用户提供新的开发自由度。该系列产品结合了高性能、实时功能、数字信号处理、低功耗/低电压操作和出色的连接性，同时保持高度集成和易于开发的特点。