Industriële fabricage
Industrieel internet der dingen | Industriële materialen | Onderhoud en reparatie van apparatuur | Industriële programmering |
home  MfgRobots >> Industriële fabricage >  >> Industrial Internet of Things >> Ingebed

ST:bewegingssensor met machine learning voor zeer nauwkeurige, batterijvriendelijke activiteitentracking

STMicroelectronics heeft machine learning-technologie geïntegreerd in zijn geavanceerde traagheidssensoren om de prestaties van het volgen van activiteiten en de levensduur van de batterij in mobiele telefoons en wearables te verbeteren. De LSM6DSOX iNEMO-sensor bevat een machine learning-kern om bewegingsgegevens te classificeren op basis van bekende patronen. Door deze eerste fase van het volgen van activiteiten te ontlasten van de hoofdprocessor, wordt energie bespaard en worden op beweging gebaseerde apps versneld, zoals fitnessregistratie, welzijnsmonitoring, persoonlijke navigatie en valdetectie.

Apparaten die zijn uitgerust met ST's LSM6DSOX kunnen een handige en responsieve "always-on" gebruikerservaring bieden zonder de batterijduur in te leveren. De sensor heeft ook meer intern geheugen dan conventionele sensoren, en een ultramoderne high-speed I3C digitale interface, waardoor langere perioden tussen interacties met de hoofdcontroller en kortere verbindingstijden mogelijk zijn voor extra energiebesparing.

De sensor is eenvoudig te integreren met populaire mobiele platforms zoals Android en iOS, waardoor het gebruik in slimme apparaten voor consumenten-, medische en industriële markten wordt vereenvoudigd.

De LSM6DSOX bevat een 3D MEMS-versnellingsmeter en 3D MEMS-gyroscoop en volgt complexe bewegingen met behulp van de machine-learning-kern bij een laag typisch stroomverbruik van slechts 0,55 mA om de belasting van de batterij te minimaliseren.

De machine learning-kern werkt in combinatie met de geïntegreerde eindige-state machinelogica van de sensor om bewegingspatroonherkenning of trillingsdetectie af te handelen. Klanten die producten voor het volgen van activiteiten maken met de LSM6DSOX, kunnen de kern trainen voor classificatie op basis van beslissingsbomen met Weka, een open-source pc-gebaseerde applicatie, om instellingen en limieten te genereren uit voorbeeldgegevens zoals versnelling, snelheid en magnetische hoek die kenmerkend zijn voor de soorten bewegingen die moeten worden gedetecteerd.

Ondersteuning voor vrije val, wake-up, 6D/4D-oriëntatie, klik- en dubbelklik-interrupts maakt een breed scala aan toepassingen mogelijk, zoals gebruikersinterfacebeheer en laptopbescherming, naast het volgen van activiteiten. Extra uitgangen en configuratie-opties vereenvoudigen ook het gebruik bij optische beeldstabilisatie (OIS).


Ingebed

  1. Lijnvolgsensor met RPi
  2. Computervisie als bewegingssensor voor SmartThings
  3. DIY infrarood bewegingssensorsysteem voor Raspberry Pi
  4. Raspberry Pi GPIO met PIR-bewegingssensor:beste tutorial
  5. Interfacing HC-SR501 PIR-bewegingssensor met Raspberry Pi
  6. Betrouwbaarheid verhogen en onderhoudsresultaten verbeteren met machine learning
  7. accuduur nauwkeurig voorspellen met machine learning-modellen
  8. Vermindering van de cyclustijd voor machineonderhoud met industriële robots
  9. Hoe genereer je een G-code-bestand met ArtCAM voor CNC-machines?
  10. Apple &IBM Watson-team voor enterprise mobile machine learning
  11. Voorspel de levensduur van de batterij met machine learning