ST 在?? GitHub 上發布了其機器學習核心存儲庫，其中包含示例和配置文件，以極大地改善開發人員的體驗。眾所周知，人工智能非常困難，因為它依賴于數據科學。此外，創建正確的算法（例如決策樹）并對其進行設置也很棘手。不幸的是，所有這些問題往往會限制可以輕松開始研究機器學習應用程序的工程師數量。因此，我們在 GitHub 上發布了一個存儲庫來解決這個問題。該軟件包包括數據日志子集以及LSM6DSOX、LSM6DSRX、ISM330DHCX、IIS2ICLX的應用程序和配置示例慣性傳感器。它已經為使用它開發商業解決方案的主要 ST 客戶提供服務。因此，我們認為我們社區的其他成員可以從中受益。

使機器學習更易于訪問的另一種方法

支持的傳感器是獨一無二的，因為它們都有一個機器學習核心，可以并行運行一個或多個決策樹。ST 是第一個提供此類組件的公司，并因此獲得了獎項。它仍然是獨一無二的，因為機器學習核心可以以微控制器功耗的一小部分提供決策能力。因此，意法半導體從 2019 年開始推出新器件，例如LSM6DSRX 和 ISM330DHCX ，從而擴大了產品范圍。我們還通過發布Unico-GUI等工具降低了進入門檻。該實用程序提供了一個圖形界面，有助于數據收集和機器學習核心的配置。 因此，GitHub 存儲庫是另一項旨在使機器學習更易于訪問的舉措。任何人都可以簡單地按照軟件包中列出的步驟在幾分鐘內測試應用程序。

機器學習核心存儲庫和運動

健身活動

機器學習核心存儲庫中的一個應用示例是在 LSM6DSOX 上運行的健身房活動識別。該程序使腕帶能夠自動檢測二頭肌彎舉、側平舉、深蹲或休息位置之間的情況。然而，用戶必須告訴系統可穿戴設備是在他們的右手還是左手。有問題的應用程序依賴于使用 LSM6DSOX 慣性模塊的腕帶收集的數據。ST 用右手和左手的可穿戴設備收集數據，現在在存儲庫中提供“左手”數據的子集。我們還提供兩個配置文件，每只手一個。此外，開發人員將找到示例來幫助他們設計類似的算法并研究我們應用于加速度計信號的濾波器。

檢查健身房活動識別應用程序

瑜伽姿勢

另一個物理應用很吸引人，因為它在SensorTile.Box上運行，可以識別 12 個瑜伽姿勢以及兩個非瑜伽站立姿勢（靜止站立和運動站立）。可以將設備連接到用戶的左腿，并使用其強大的傳感器來運行具有 20 個節點的決策樹。當用戶保持一個姿勢時，系統可以在不到一秒的時間內檢測到它。該系統可以區分木板、兒童姿勢、向下狗或冥想姿勢等。該存儲庫還提供來自 UNICO-GUI 的數據日志，幫助創建決策樹分類器。系統通過跟蹤加速度計在 X、Y 和 Z 軸上的平均值來確定姿勢。

從瑜伽姿勢應用程序中學習

機器學習核心存儲庫和運動檢測

車輛靜止檢測

由于更精確的 LSM6DSRX，靜止檢測算法可以確定汽車是否在移動。該應用程序使用來自加速度計和陀螺儀的數據，并且無論方向如何都能正常工作。GitHub 存儲庫甚至提供了為制作該程序而收集的數據日志的一個子集。此外，我們還提供配置示例以幫助開發人員研究類似的算法。該示例可幫助初學者了解一些濾波器如何對輸入信號產生重大影響。該配置還顯示了我們如何實現具有 30 個節點的決策樹。ST 在??其嬰兒哭泣檢測器中使用了類似的算法。 事實上，行駛中的汽車意味著司機的存在，這意味著即使嬰兒在哭泣，也無需啟動警報，因為車內有成人。

探索車輛靜止檢測應用

頭部手勢

頭部手勢識別應用程序也使用 LSM6DSRX。耳機中的傳感器可以確定用戶是否在點頭、靜止、走路、搖頭或搖頭。 ST 使用這種特殊的慣性傳感器為該算法收集了數據，并提供了一部分數據日志。該應用程序在 X、Y 和 Z 軸上使用來自加速度計和陀螺儀的數據。但是，并非所有數據源都接收相同的過濾器。例如，系統僅在 Y 軸上監控加速度計的最大閾值，而在同一傳感元件的 X 軸上尋找最小閾值。因此，它是信號處理在機器學習應用中重要性的一個很好的例子。此外，決策樹本身非常簡單，只有七個節點來檢測五個類別。

審核編輯：郭婷