意法半導體(ST)推出NanoEdge AI Studio V3自動化機器學習工具，提供兩個額外的機器學習算法系列、簡化的數據記錄及翻新的用戶接口。因此，該工具涵蓋了更多使用案例，可幫助嵌入式開發人員更好理解及使用。



 
圖一 : NanoEdge AI Studio V3自動化機器學習工具

什么是NanoEdge AI Studio？
建立機器學習應用的挑戰
長久以來，期望采用機器學習的公司，為了收集長達數個月的大量數據，必須聘用一名或多名數據科學家來整理，并建立AI模型。然后，再藉由嵌入式開發人員將該模型移植到微控制器，或使用STM32Cube.AI等工具，將神經網絡轉換為STM32 MCU的優化程序代碼。然而，公司在預算及數據安全的考慮下，不太可能會聘用數據科學家，或甚至外包處理。

即使世界各地都有適合的人選，但數據的質量仍待加強。雖然機器學習有長足的進步，但獲得可靠的訓練樣本仍有困難。例如，應用程序試圖偵測異常行為，卻無法獲得足夠的數據。而雖然許多數據集適用于解決分類問題，例如異常偵測，但其卻不適用于嘗試偵測新型態的異常情況。因此，取得高質量的數據也相當重要，這一點毋庸置疑。而收集不受拼字錯誤或遺漏信息的樣本影響、并且準確標記正確無誤的數據集，可能需要大量投資。

充分運用機器學習技術
 

圖二 : NanoEdge AI Studio能夠在同一臺裝置上執行學習復雜行為的模型訓練與推論。

NanoEdge AI Studio是對嵌入式系統開發人員友善的AI開發工具，即使沒有數據科學專業知識背景的人也可以使用。奇妙之處，在于NanoEdge AI Studio能夠在同一臺裝置上執行學習復雜行為的模型訓練與推論，亦即整個過程可以在同一個STM32微控制器上執行。此外，與終端使用者互動也相當簡單，不需要另外寫程序，只需按下幾個按鈕。因此，工程師可以根據現場環境客制化，讓系統可以更穩定且更輕易安裝。

面對不同的操作系統，NanoEdge AI Studio能在Windows 10或Ubuntu上執行，并且能與最適合的數據處理及最相關的AI函式庫媒合。此應用程序的設計著重于與C語言應用程序中的嵌入式系統開發的緊密整合。

簡單來說，NanoEdge AI Studio會考慮MCU、內存、Flash、傳感器等基本規格，并搜尋NanoEdge AI Studio內最佳的 AI 模型庫，接著產生能在STM32 MCU上執行的AI函式庫，使開發人員能夠直接整合到嵌入式應用程序項目。

在第 2 版之前，NanoEdge AI Studio 支持兩種主要的機器學習算法：異常偵測和分類。

NanoEdge AI Studio只需少量的正常行為與異常行為數據，便能自動產生偵測AI異常的函式庫。一旦產生 AI 函式庫后，使用者可以將函式庫加載到微控制器中，直接在裝置上進行進一步的微調訓練和推論。此AI函式庫除了能從本機獲得的數據中學習裝置行為以外，還可以適應所在的裝置行為。微調訓練完成后，AI函式庫會將裝置一段時間內所取得的數據與本機建立的模型進行比對，以識別異常。

分類AI函式庫可用于分類一組數據，并呈現不同類型的設備異常（例如軸承問題、空蝕問題等）或設備環境中不同類型的事件。用戶可以將訊號匯入Studio，只需要按幾個按鈕即可建立分類ML函式庫。在微控制器上執行時，分類器會分析實時數據，并提供相似性百分比。

NanoEdge AI Studio新功能
新的算法系列：外插和異常值
 

圖三 : NanoEdge AI Studio V3除了異常偵測與分類兩種應用，并提供兩個新的算法系列：外插和異常值。

最新的NanoEdge AI Studio V3除了上述的異常偵測與分類兩種應用之外， 現在還可以使用更多的函式庫。此外，ST也優化了這些算法，提升現有使用案例的效能。因此，當嵌入式開發人員切換到新版本軟件時，會對資源管理及運行時間的升級更加有感。

NanoEdge AI Studio V3也進一步提供了兩個新的算法系列：外插和異常值。前者有助于預測未經測試條件下出現的行為，又稱作「回歸」，這對應多個變量之間的關系。例如，數據集可以測量風扇在100°C、110°C 和 150°C時的行為。藉由回歸算法，機器學習應用可以推斷風扇在160°C 時的行為。NanoEdge AI Studio 中的外插算法除了涵蓋線性回歸，也提供更先進的分析技術來處理復雜的情況。因此，開發人員現在可以建立新的應用，監測數據科學家無法處理的情況。

第二種算法是依據單一類別值的離群值偵測系統進行演算。實際上，系統只學習正常行為，任何偏離原始分布的行為都會被視為異常。以前，使用異常偵測系統時，開發人員會記錄正常行為，然后再模擬一或多個異常狀況。如前所述，其能夠在同一個微控制器上學習所有行為，并讓操作大幅簡化。不過，在某些情況下，完整重現異常狀態是不可能的。因此，離群值偵測可以使用例行操作的資料，推論是否有異常發生。

新的簡便數據記錄功能
數據科學家有時會遇到如何將成品推到市場的問題，雖然有實際數據是最好的，但因時間關系，并非每次都可以取得數據。因此，新的數據記錄功能可將任何STWIN SensorTile無線工業節點變成最直接的數據收集工具。首先，用戶將開發板連接到自己的計算機，使用NanoEdge AI Studio切換到數據記錄后，未來的數據便都會自動記錄。工程師可以將STWIN開發板固定到自己的設備進行監測，傳感器會記錄數據，方便開發人員進行標記和剖析，以建立更精確的應用。

在嵌入式系統上的使用體驗
自定義、產生和驗證自動機器學習
 

圖四 : NanoEdge AI Studio讓開發人員能夠自定義、產生和驗證本身的機器學習函式庫。

在NanoEdge AI Studio出現之前，工程師必須聯絡軟件廠商，檢查本身的硬件配置以及要監測的行為。如今，NanoEdge AI Studio讓開發人員能夠自定義、產生和驗證本身的機器學習函式庫。

首先，用戶需選擇本身的Cortex-M架構和系統中的傳感器，接著匯入檔案，其中包含描述設備一般行為的數值，其可以是來自風扇上之加速度計所產生的數據，也可以是工業設備的電氣信息，完成后，NanoEdge AI Studio會自動測試、優化和排列數億種可能組合中最佳的算法組合，并產生客制化函式庫，開發人員便可以使用嵌入式仿真器進行驗證。

NanoEdge AI Studio V3現在用戶接口支持所有ST開發板，優化后的免費函式庫有助于使用者輕松執行概念驗證。例如，在智慧震動傳感器教學課程中，可以利用NUCLEO-L432KC 擷取風扇的正常行為后，將數據提供給NanoEdge AI Studio并獲得AI函式庫，使用者便可以在main loop中呼叫此函式庫進行推斷。因此，NanoEdge AI鏈接庫對于迅速建立使用預測性維護、智能安全操作等應用是非常有幫助的。

使用 Edge AI Sprint 引導項目
許多客戶無法事前評估AI將為本身的應用帶來多少效益。因此，為了快速驗證應用，ST也提供Edge AI Sprint Package，其中除了開發工具之外，還有完整的專家支持系統，可以指導開發人員避開應用程序和使用案例固有的地雷區。

整個方案包括訓練課程、NanoEdge AI Studio 授權和技術支持。客戶可以根據項目的復雜性選擇不同的授權期限，以確保應用能量產。Edge AI Sprint是引領項目的第一步，能有效管控風險并減少投資，同時提升項目成功的機率。