智能時代的嵌入式系統(tǒng)離不開高性能、高效的軟件和先進的軟件開發(fā)方式。本文介紹了近期嵌入式軟件開發(fā)的三個趨勢：1)邊緣計算作為一種在本地處理和分析數(shù)據(jù)的方式正在快速發(fā)展，邊緣計算與人工智能的結合正將智能計算從以云為中心的模型中轉移出來；2) 虛擬化技術是今天高算力多核處理器計算系統(tǒng)采用的全新解決方案，容器技術則可通過簡化嵌入式軟件開發(fā)、部署和維護來助力復雜嵌入式系統(tǒng)的管理；3) DevOps的概念和實踐正在逐步滲透進入嵌入式軟件開發(fā)中，助力加快軟件交付速度，提高應用程序質量和穩(wěn)定性。
隨著人口老齡化程度加深，社會養(yǎng)老負擔加重，處理好全社會的養(yǎng)老問題十分重要。在全球范圍內，老人身體健康受到許多致命疾病的威脅。而獨居老人生活中缺少家人照顧，心理上缺少慰藉，導致患病率更高，同時發(fā)生意外也無法及時得到救助。面臨精神、健康、意外風險三重困境，因此，他們具有更大的健康風險。本文提出的系統(tǒng)基于云–邊–端架構實現(xiàn)，由云端服務器、感知控制和應用服務構成，實現(xiàn)了語音服務和老人應急服務，即老人有語音需求時可以及時提供相應服務，老人摔倒時可以給老人送藥并向前端發(fā)送照片和警報；前端交互模塊則由微信小程序實現(xiàn)，使家人能遠程關注家中老人的身體健康狀況。
介紹一種完全自主開發(fā)的體積小的基于MEMS無線數(shù)字地震檢波器。該檢波器主要包括以下幾個部分：MEMS傳感器板、放大采集板、FPGA控制主板、無線觸發(fā)接收板、無線WIFI模塊板和供電電源設計等。該傳感器的設計涉及多個關鍵技術點，包括微弱信號獲取、低功耗設計、總體結構的合理布置、高精度和高靈敏度、無線數(shù)據(jù)通訊以及無線觸發(fā)信號接收等。應對這些關鍵技術點，本設計首先對芯片和材料精挑細選、對電路和結構進行合理設計，滿足該檢波器各項技術指標。最后通過一系列的室內測試和野外試驗，驗證了該檢波器的各項功能和性能，為地震勘探提供高精度、高靈敏度、穩(wěn)定可靠的地震檢波器。
本研究旨在開發(fā)一種在資源受限的微控制器單元(MCU)上運行的方法，用以進行鼾聲檢測。不同于使用CNN進行聲音檢測的方式，我們采用門控循環(huán)單元(GRU)模型以對音頻數(shù)據(jù)進行處理和分析。通過采用優(yōu)化模型結構、模型量化等常用的模型優(yōu)化方式，我們最終成功將GRU模型適配到低功耗的MCU平臺，使其能夠在不依賴外部計算資源的情況下，獨立完成端側的鼾聲檢測任務，無需聯(lián)網。實驗結果表明，該模型在保持較高準確性的同時，能夠有效降低系統(tǒng)算力需求，滿足移動健康監(jiān)測設備的實時性與便攜性要求。這一研究為鼾癥患者的持續(xù)監(jiān)測和睡眠健康管理提供了一種新的解決方案，同時也拓展了深度學習在嵌入式系統(tǒng)中的應用前景。
在物聯(lián)網設備與云端之間的通信中，MQTT作為一種輕量級的、基于發(fā)布-訂閱模式的通信協(xié)議，具備了良好的適用性和靈活性，被廣泛應用于物聯(lián)網領域。在OpenHarmony的LiteOS內核上利用MQTT連接云平臺是一項關鍵的技術任務，它涉及在輕量級操作系統(tǒng)上實現(xiàn)MQTT協(xié)議的客戶端功能，并與云端平臺進行穩(wěn)定和高效的通信，因此需要選擇合適的MQTT庫，并進行有效的移植和優(yōu)化，以保證在資源受限的環(huán)境下依然能夠實現(xiàn)穩(wěn)定可靠的通信連接。海思Hi3861芯片采用了LiteOS內核。文章探討了在海思Hi3861芯片上移植和使用Paho MQTT庫連接到華為云的實現(xiàn)過程和關鍵技術。文章首先介紹了MQTT的相關知識，然后詳細討論了嵌入式Paho MQTT庫的內容，接著介紹Hi3861芯片相關功能及其移植Paho MQTT的方式，最后描述了使用移植好的程序連接華為云MQTT的步驟，包括設備鑒權方式和消息發(fā)布訂閱的實現(xiàn)。實驗結果驗證了在Hi3861平臺上使用Paho MQTT庫連接到華為云的可行性和效果。文章的結尾探討了項目未來的工作。
文章展望了AGI時代的特點及人才金字塔結構的分布，重點分析了AGI時代電子及計算機工程師的行業(yè)發(fā)展趨勢及特點，并建言當今電子及計算機工程師如何應對AGI時代的來臨。
超市水果識別主要依賴人工，計算機視覺成為一種解決方案。然而目前仍面臨部分水果識別精度低、終端設備部署困難、誤識別圖片難處理等挑戰(zhàn)。因此，文章基于深度學習對移動端水果識別進行研究，旨在替代人工識別。首先文章構建了包含49種水果的超市水果圖像數(shù)據(jù)集DailyFruit-49。并針對細分類特征相似度高、包裝遮擋、形狀小量少的水果識別困難，以及低算力設備模型部署問題，篩選了滿足部署要求的骨干模型。設計了新的注意力模塊RMA，改進了ViT Block以增強模型的細節(jié)識別能力和深層語義特征整合能力，最終得到DenseRMA_ViT模型，并基于Focal Loss改進損失函數(shù)。并在公開數(shù)據(jù)集Fruits-262上進行消融實驗驗證模型改進的有效性。最后結合實際設備，實現(xiàn)水果識別系統(tǒng)，滿足實際使用。基于與用戶的交互行為對誤識別水果圖像進行收集，并基于誤識別圖像實現(xiàn)模型權重自動微調，隨使用時間延長，系統(tǒng)收集更多圖片，提升模型識別精度與泛化能力，以處理實際應用中誤識別水果。
在當前嵌入式系統(tǒng)與人工智能技術融合的前沿領域，文章聚焦于一種基于單類支持向量機(One-Class SVM)的異常檢測算法，并提供了一套完整的MCU友好的工程實現(xiàn)，不需要依賴于動態(tài)內存分配以及文件系統(tǒng)，特別適合于在資源受限的邊緣設備上進行高效、實時的訓練與預測。我們的方法不僅可以實現(xiàn)在MCU上訓練和高效存儲機器學習模型，還支持增量學習，從而在幾乎不增加計算負擔的前提下，持續(xù)改進模型對實際工況的適應能力。我們的實驗裝置是安裝了三軸加速度傳感器的震動源(如風扇)，以模擬在工作期間發(fā)出振動的工業(yè)設備。文章的方法也可以通過替換傳感器和特征計算的預處理算法來實現(xiàn)對其它設備的監(jiān)控，以適應不同的工況環(huán)境和應用的需求。
巷道掘進中孔中地震高精度預報系統(tǒng)是完全自主開發(fā)的高性能產品。該預報系統(tǒng)主要是由“井下”和“地面”兩大部分組成的。其中，井下部分主要是由1個無線主機、3個無線探頭、1個無線觸發(fā)器、1個震源銅錘、1根觸發(fā)信號線以及其它配件(如：蜂鳴器、錘墊等)組成。主要功能是進行現(xiàn)場數(shù)據(jù)采集和存儲，如果無線主機安裝有分析軟件，就可在現(xiàn)場解析出探測結果。井下設備都是本質安全型設計，并且通過了國家煤礦安全機構的防爆性能檢測和安全認證。地面部分主要是由PC機、儀器電源適配器(充電器)和分析軟件組成的，其主要功能是對所采集的地質數(shù)據(jù)進行轉儲、深度解析、分析處理和形成成果報告文件，亦即預報結果。該系統(tǒng)與同類產品相比精度高、準確率高和施工方便的優(yōu)勢。
