雖然這篇溫度感測器arduino鄉民發文沒有被收入到精華區:在溫度感測器arduino這個話題中,我們另外找到其它相關的精選爆讚文章
在 溫度感測器arduino產品中有5篇Facebook貼文,粉絲數超過228的網紅開開大叔,也在其Facebook貼文中提到, 沒開冷氣的濕度真高 自製濕度/溫度感測器 這個東西之後影片會用到 #arduino #dht11...
雖然這篇溫度感測器arduino鄉民發文沒有被收入到精華區:在溫度感測器arduino這個話題中,我們另外找到其它相關的精選爆讚文章
在 溫度感測器arduino產品中有5篇Facebook貼文,粉絲數超過228的網紅開開大叔,也在其Facebook貼文中提到, 沒開冷氣的濕度真高 自製濕度/溫度感測器 這個東西之後影片會用到 #arduino #dht11...
dht11 是一個結合濕度計和測溫元件量測週遭空氣環境,並與一個高性能八位元單晶片相連接,將所量測到的溫、濕度資料拆解成為數位訊號,再由感測器接腳 ...
arduino 溫度感測器 模組網路推薦好評商品就在露天,超多商品可享折扣優惠和運費補助。Arduino電子積木防水DS18B20溫度感測器模組套件193-00306 《iCshop1》MAX6675 K型 ...
LM35 是一種相當便宜的溫度感測器,從資料表中可以看到它又細分為幾個不同的型號,基本上測量範圍是2°C - 120°C,輸出訊號的電壓值是10 mV/°C,室溫下測量 ...
【傑森創工】DHT11模組DHT-11 溫濕度感測器溫度/濕度二合一Raspberry Pi, Arduino. $55. 已售出1,319. 臺北市中山區. ☫TIY Store☫ DHT11 模組dht11 數位溫濕度感測器 ...
Arduino UNO x1; 溫度與濕度感測器DHT-11 x1; 電阻x1 (4.7k - 10k 歐姆均可); 電線數條. DHT-11 腳1 接Arduino 5V ,. 腳2 接電阻,電阻另外一頭接Arduino 5V。
||DHT11 DHT22 教學|| How to use temperature and humidity sensor at arduino. 旭豐老師の創客工作坊.
有關環境數值的偵測,溫濕度是最常見的應用,而用DHT11來偵測溫度和濕度, ... DHT Sensor Library,只要從Arduino IDE的程式管理員就能下載。
SunFounder DS18B20 溫度感測器模組,適用於Arduino 和Raspberry Pi.
熱敏感測器模組溫度感測器模組熱敏電阻熱敏感測器4線4針. NT$ 30 [未稅] ... SN:0401040016. KSM082 NTC 熱敏電阻類比溫度感測器模組Arduino 電子模組. NT$ 80 [未稅] ...
範例. // Sample Arduino MAX6675 Arduino Sketch #include "max6675.h" int ktcSO = 8; int ktcCS = 9; int ktcCLK = 10; ...
TC77 體積小,成本低,易於實現各種系. 統中的熱管理。 4.圖12-6 為TC77 的內部方塊圖,以及使用SPI 與微控制器. 的連接圖。使用Arduino ...
用途: 溫度檢測,溫度控制感測器,環境溫度檢測· 採用NTC熱敏電阻感測器,靈敏度好· 工作電壓3.3V-5V - PChome商店街.
【YwRobot】適用於Arduino 防水DS18B20溫度感測器模塊套件 ... 51/STM32/兼容Arduino DHT11溫濕度感測器模塊環境溫度濕度檢測.
arduino 溫度感測器 價格推薦共298筆商品。還有arduino adc、Arduino。現貨推薦與歷史價格一站比價,最低價格都在BigGo!
溫度感測器 開發工具ARDUINO MKR THERM SHIELD. Arduino ASX00012 預設縮圖. ASX00012; Arduino; 1: NT$1,843.54; 63庫存量. 製造商零件編號
圖5 Arduino UNO 開發板. Page 17. 11. 2.Terminal Sensor V2.0 DS18B20 溫度終端適配器感測器以及感測棒. Terminal Sensor Adapter V2.0 傳感器適配器,可通過數字輸入.
Arduino 温度 传感器_w3cschool. BK风速测试仪|风速仪溫度與濕度感測器DHT x1 電阻x1 (kk 歐姆均可) 電線數條DHT 腳接Arduino 5V , 腳接電阻,電阻 ...
Arduino DS18B20 温度感測器快接板可以在不焊接的情況下提供簡單穩定的連接。 3線接口:分為A型和B型,接線之前請注意您的DS18b20 的線材接口。 類型A: ...
下面我们将详细讲解几种常用的温度传感器,并利用Arduino来实现温度的测量,包括热敏电阻、LM35、DS18B20、DHT11和热电偶。
規格:28x24x2mm · 溫度範圍:-50°C- +150°C · 電壓範圍:5V · 靈敏度:10.0mV/°C.
arduino 溫度感測器 的推薦拍賣商品價格,還有更多熱敏感測器模組溫度感測器模組NTC熱敏電阻傳感器溫度開關適用Arduino樹莓派及MCU開發板相關商品比價, ...
將溫度感測器LM35左側接腳VCC接5V或3.3V,中間接腳A0,右側接腳接GND。 程式:. 從A0讀取到的值並不是溫度也不是實際電壓值,是介於 ...
Arduino 電子積木LM35溫度感測器模組. 列印商品 ... 商品規格. 確保0.5℃的精度(在25℃); 額定溫度範圍為-40℃至+110℃; 工作電壓範圍寬,4V至30V,小於60uA ...
溫度感測器 LM35 系列是精密積體電路溫度裝置,輸出電壓與攝氏溫度成線性比例。 ... 你將需要以下元件-. 1×麵包板; 1×Arduino Uno R3; 1×LM35 感測器 ...
探頭採用原裝DS18B20溫度感測器晶片優質不銹鋼管封裝防水防潮防生銹不銹鋼外殼(6*50mm),引線長度100cm每個探頭經過嚴格測試後獨立包裝3.0V~5.5V供電9~12位可調解析度 ...
Arduino溫度 /濕度模組. ... DC3.3~12V 土壤濕度感應器模組. $265. x 1PCS. 儲位: 2G2; 位置圖 ... DC12V熱敏電阻溫度感測繼電器控制模組.
學校專區- 感測器模組與配件- 溫度濕度, DS18B20溫度感測模組For Arduino - ○ 適合各種開發控制板的互動學習與應用,,
TM35 溫度感應器,有三隻腳,分別係接駁回路嘅GND,接駁電源嘅Vcc,同埋輸出電壓嘅感測接腳。從數據紙datasheet 嘅圖表估計,呢隻感測器係應用物體嘅電阻值隨溫度變化 ...
還有紅外線溫度感測器、wifi 溫度感測器、溫度感測棒、重量感測模組、冰箱溫度感測器 ... 【堃邑Oget】LM35溫度感測器適合Arduino、micro:bit 等開發學習互動學習模組 ...
將程式燒進arduino裡面. DAT - 2. VCC - 5V GND - GND 用Serial監視視窗看感測器是否正常 如果正常應該會跑出這個畫面但測試程式中會有很多我們不需要的像是華氏溫度, ...
超商取貨付款真方便!信用卡刷卡安全有保障。 為確保您在本商店交易的過程安全無虞,我們全面採用2048bit SSL 加密連線。
也就是說,在同樣多的水蒸氣的情況下,. 溫度降低,相對溼度就會升高;溫度升高,相對溼度就會. 降低。 (1.3)溫溼度感測模組:. 本教材採用DHT11 溫溼度感測模組(圖1 所 ...
範例說明. HTU21D是一款溫度感測器,可量測範圍-40℃—105℃,濕度精度範圍(10%RH to 95%RH)HTU21D±2%RH,使用I2C界面與Ameba溝通. 下載Ameba使用的HTU21DF Library.
大家好我是阿俊這次帶來的實作是溫度感測大家都知道溫度計對我很有很多種用途例如發燒可以用體溫計來測量市面上許許多 ... 官方程式編譯器 arduino-1.
做了一個無線溫度感測器. 心得可多了.. (1) Arduino 有了無線功能, 可以做很多事. (請大家支持WiFiDuino). (2) 只是, WiFi 有點耗電吔. (3) Xively 很好用.
度感測器,並利用Arduino來實現溫度的測量,包括熱敏電阻、LM35、DS18B20、DHT11和熱電偶。 1.熱敏電阻. 1.1 熱敏電阻簡介. 熱敏電阻是電阻值隨溫度變化的 ...
類比溫度感測器模組KY-013 FOR ARDUINO w55 [42698-041] yahoo f |
莓亞科技-官網- 樹莓派Arduino 感測器入門套件(13件) - 莓亞科技-官網- 樹莓 ... Temperature-Humidity Sensor, DHT11温濕度感測器:可檢測温度和濕度, 環境温濕度監測.
產品說明. DS18B20數位溫度感測器可在各種單片機控制器上應用,尤其在Arduino控制器上更為簡單,現成庫函 ...
Gravity: 類比式LM35溫度感測器Analog LM35 Temperature Sensor For Arduino. NT$ 135 ...
在系統中可以使用溫溼度感測器以及PM2.5感測器可以進行測量環境溫度濕度以及環境 ... 以上兩種感測器可以將偵測數據訊號傳至Arduino UNO R3 平台,再透過無線網路通訊 ...
// Reading temperature or humidity takes about 250 milliseconds! // Sensor readings may also be up to 2 seconds 'old' (its a very slow sensor). float h = dht ...
DS18B20溫度感測器,是DALLAS公司生產的數位溫度感測器。透過特殊的1-Wire 單匯流排來通訊,具有線路簡單,體積小的特點。因此非常容易用它來組成一個測 ...
DHT11 是用電阻方式感應濕度,並用NTC 方式感應溫度,DHT 內本來就有一顆8 位元MCU,MCU 的工作就是把感測到的溫度、濕度,以數位信號方式,透過2 號腳位 ...
Arduino DHT11溫濕度感應器實習 ... 濕度float t; //攝氏溫度float f; //華氏溫度void setup() ... readTemperature(); //讀取攝氏溫度f = dht.
加工電風扇之電源線(同上一個檯燈的例子) 程式碼: #include "SSD1306.h"#include "DHTesp.h" //匯入DHT程式庫SSD1306 display(0x3C, D2, D1); //(位址,SDA ...
這次使用DS18B20 溫度感測IC 測量溫度,測量範圍為-10 C 到+85 C。我不禁 ... 在這裡已經有別人寫好的Arduino Libraries,所以不用自己重新發明輪子。
防水溫度感測器可以與Arduino結合使用。使用時,必須連接上拉電阻,與可插拔感測器轉接器配合使用。按照下圖所示連接電路, ...
繼上一篇Jason 對兒子教學的第一個Arduino 硬體和軟體的實作一個風扇控制器之後,結合之前的電路不變,加了一顆溫度和濕度的感測器,搖身一變, ...
提起Arduino 平台上最常使用的溫度測量IC,非DS18B20 莫屬。很多人的第一個Arduino 專案,除了閃閃LED、讀讀按鈕 ... Maker愛用的DS18B20溫度感測器.
能夠對應Arduino Uno、Lazurite等開放式平台的ROHM半導體感測器模組。有移動式感測器、磁場感測器兩種,最適合用在評價感測器・研發初期套件、電子工作・教育的教材上 ...
【堃邑Oget】LM35溫度感測器適合Arduino、micro:bit 等開發學習互動學習模組環保材質. Yahoo奇摩超級商城. 0.5%. LINE購物推薦.
使用Arduino 連接溫濕度偵測器,可以偵測到空氣中的溫濕度,用來判斷溫溼度是否異常。例如:溫度過高時,是否有火警發生?濕度過高時,是否下雨導致雨水潑 ...
BK风速测试仪|风速仪溫度與濕度感測器DHT x1 電阻x1 (kk 歐姆均可) 電線數條DHT 腳接Arduino 5V , 腳接電阻,電阻另外一頭接Arduino 5V。
電子工程系車用電子與資訊組Arduino感測應用吳錫修[email protected] ... Makeeachdaycount 實驗目的 熟用TC77感測器量測溫度值 每5秒讀取溫 ...
採用美國Dallas 半導體公司的數位化溫度感測器DS18B20,採用導熱性高的密封膠灌封, ... 溫度感測器,他的VCC跟Data的接腳中間是否已有接上電阻,如果我外接Arduino還需 ...
Buy the latest Arduino products at RS Components UK, including the ... Banzi 還利用了套件內的一些精妙組件, 包括溫度感測器,它可忽略與偵測到的每攝氏度成比例 ...
DHT11數字溫濕度傳感器是一款溫濕度複合傳感器,數字模塊採集技術和溫濕度傳感 ... 供電電壓:3.3〜5.5V 測量範圍:濕度20-90%RH 溫度0〜50℃ 測量精度.
測試 用程式碼. #define SENSOR A0 float temp, val; void setup() { pinMode(SENSOR, INPUT); Serial.begin(9600); Serial ...
這次做的是上課期末的小專題. 溫度感測把數值顯示到LCD上,然後用手機連結藍芽控制RGB顏色. 用到的元件. Arduino Uno; HC-06藍芽模組; DH11溫度感測器 ...
[材料]. 麵包板x1; Arduino Uno x1; DHT11溫濕度感應器x1; 4.7K電阻x1; 連接線n條 ... 這個程式的結果直接輸出到串列埠,顯示目前的濕度與溫度。
1, Ultrasonic Sensor 原理超音波感測器是利用聲波在空氣中的傳播原理來計算... Arduino練習,溫度感測DS18B20 Arduino自從在2011年底釋出板子Uno(義大 ...
原文地址:https://arduino.nxez.com/2017/03/26/arduino-sensor-series-of-temperature-measurement.htmlArduino温度传感器全系列使用详解2017年3 ...
Circuit design Copy of LM35溫度感測器控制LED created by 雋翔龔with Tinkercad.
我們使用MLX90615紅外線非接觸溫度計感測器連接Arduino與OLED,就能夠即時看到偵測到的溫度呢,當身體接近感測器時就能夠明顯看出溫度的變化喔! 今天就來 ...
溫度感測器arduino ,大家都在找解答。怎麼在Arduino上使用溫濕度感測器??||DHT11 DHT22 教學...
我用的板子是Arduino Uno R3,軟體開發環境版本為1.0.3、Windows版。 這顆感測器是Dallas半導體公司的產品,Dallas公司於2001年成為Maxim的子公司,所以 ...
模組控制,利用程式編輯燒入,配合感測器與Arduino 模組,運用這些原件來製作 ... 關鍵詞:Arduino模組、土壤濕度感測器、溫度感測器 ...
arduino 的數位溫度計。可是那時候沒有懂很多,也沒有拿來作測水溫,這次就再來作一次吧。不過要多一些東西, ...
Arduino 第32課DHT11溫濕度感測器 ... DHT11是一個結合溫、濕度感測元件的感測器,內建處理器將所量測到的溫、濕度資料轉換為數位訊號,再送出資料(註1)。
由於人類不斷破壞地球資源,大氣層的溫室效應越來越嚴重,家中許多長者,面對酷熱的天氣變化無常,常會引起疾病,如果能夠讓創客神器Arduino告訴我們 ...
如標題所說,DHT22 是一個可以測量溫度及濕度的感測器。雖然精準度比DHT11 好,不過價格也比DHT11 還要高的多,為了使測量能夠更加精確, ...
一般金屬對於電流皆具有阻力,其阻值亦皆會隨溫度的變化而改變,改變的情形將因材質而異,電阻式溫度感測器(Resistance Temperature Detector:RTD)即是利用此一特性以金屬 ...
Arduino Programming (Basic Skills & Tricks) 曹永忠, 許智誠, 蔡英德 ... 169 讓 Arduino 發出簡單音樂. ... 182 LM35 溫度感測器讀取溫度.
接腳 S Vcc 表 17 溫度感測模組(LM35)接腳表接腳說明 Arduino 接腳端(外部輸/入出端)電源(+5V) Arduino +5V Arduino GND Arduino analog Pin 0 2 GND 3 Signal 接腳接 ...
圖 555 說出測試文字 圖 556 傳送溫度智慧家庭-使用手機查詢溫度上章節之中,我們透過 Arduino 開發板,使用溫度感測器讀出溫度,並定時將身邊的溫度回傳到我們手機, ...
使用 PING ) TM 超音波距離感測器,測量物體的距離,並且以序列埠監控視窗顯示 ... 使用 Arduino 板配合 LM35 溫度感測器測量環境溫度,並且將環境溫度顯示在序列埠監控 ...
感測器 如同人體的神經末梢,可以感測外界物理量的變化,如表 10-1 所示常用感測器分類,依所感測的物理量可分成溫度、溼度、氣體、水、光、運動、壓力、聲音、距離等。
AI (0)通訊(0)程式(3) MLC 認證編號:A012007 mins 機構(2)電控(2) 雨滴感測器配線圖 5 II. LM35 線性溫度感測模組簡介 LM35 溫度感測模組 140.
旺诠生产产品为SMT贴片电阻器,包括芯片电阻、排列电阻、网络电阻,目前月产能为90亿PCS,主要 ... 阻值(欧姆):402K 精度:±1% 功率:1/16W 温度系数:±100ppm/°C.
溫度感測器arduino 在 開開大叔 Facebook 的精選貼文
沒開冷氣的濕度真高
自製濕度/溫度感測器
這個東西之後影片會用到
#arduino #dht11
溫度感測器arduino 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
溫度感測器arduino 在 COMPOTECHAsia電子與電腦 - 陸克文化 Facebook 的最讚貼文
#溫度感測器 #評估套件 #Arduino
【Arduino 也能精準測量溫度】
相容於 Arduino 擴展板的精密溫度測量評估套件,精度可至 +/-0.1℃。
演示視頻:
《ADI 溫度感測器:使精密溫度測量變得簡單》
https://www.youtube.com/watch?v=kKHkyRljkek&feature=emb_logo
http://www.compotechasia.com/a/CTOV/2021/0104/46835.html
#亞德諾ADI #ADT7420 #ADT7320
P.S.《COMPOTECHAsia 電子與電腦》在 YouTube 也有專屬頻道哦!歡迎各位朋友訂閱+開啟小鈴鐺。
https://www.youtube.com/user/compotechasia/videos