一个利用边缘AI实现山火警报的实际案例( 二 )
文章图片
目前 , 收集的数据是由神经网络分类的两类 , 得到的模型性能如下图所示:

文章图片
该模型是使用EdgeImpulse的C++库部署的 , 该库与平台无关 , 可以在任何目标设备的任何IDE上构建 。
该模型是此类项目的关键推动因素 , 因为如果没有将智能融入进MCU , 则需要将传感器数据传输回服务器进行推理 。 来回传输数据是一项能源密集型任务 , 会大量消耗电池电量 。 下图是设备在运行时的电流消耗情况:

文章图片
为了可持续地使用太阳能运行该设备 , 它需要消耗的能量少于产生的能量 。 在每毫瓦功率至关重要的用例中 , EdgeML对进一步降低功耗和硬件BOM成本具有深远的影响 。
- 金字塔是利用声音建造的?声波能使物体悬浮?或是外星高科技手段
- 云厂商为什么都在冲这个KPI?
- 电子商务|3D打印机有多强大?科学家曾利用3D打印技术打印出火箭喷射器
- 英特尔|入手12代酷睿的注意了,Intel似乎埋下一个“大坑”
- 单反|很多玩单反、微单的人忽视的一个问题:你要有一个数码相机防潮箱
- 有一个打游戏特别菜输了又会不开心的女友是什么体验?
- bilibili|外卖不赚钱?美团外卖一个季度赚15.8亿,抖音、京东都眼红了
- 海尔|唯品会京东的618数据中,一个“反常”现象被忽视了
- 龙芯|再“造”一个腾讯,恒生科技股还能上车吗?
- 地球以前是紫色的?或许发现一颗紫色星球,可能就是下一个地球
