28、边缘AI设计模式与应用策略解析

边缘AI设计模式与应用策略解析

1. 传感器融合与算法结合

1.1 传感器融合

当使用不同类型的传感器时，每个传感器通常需要进行特定的信号处理，以生成可供AI算法使用的特征。不过，也可以通过纯信号处理来实现传感器融合。例如在睡眠监测可穿戴设备中，将心率、温度和运动传感器的信号进行融合，从而准确预测用户的睡眠阶段。传感器融合还可以与其他流程相结合。

1.2 规则与机器学习算法结合

各种流程都可用于结合基于规则的算法和机器学习算法。比如，领域专家设计的确定性基于规则的系统可处理一定比例的决策，其余决策则交由机器学习模型处理。这样既能发挥基于规则系统的可解释性优势，又能利用机器学习模型处理规则未涵盖的特殊情况。

2. 复杂应用架构与设计模式

2.1 异构级联

在异构硬件架构中，单个设备内可能有多个处理器或协处理器。例如，一个设备可能同时具备节能的中端MCU和功能更强但功耗更高的高端MCU。这种硬件可与级联流程的软件结合，实现异构级联。级联的早期层在低端处理器上运行，以节省能源；后期层涉及更复杂的算法，在高端处理器上运行。在任何时刻，只有一个处理器处于通电且消耗大量能量的状态。此外，异构硬件越来越多地包含专门用于高效运行深度学习模型的加速器，适用于级联的各个阶段，这种方法在许多关键词识别应用中得到应用。

2.2 多设备级联

级联可以跨越多个设备。例如，智能传感器使用简单的机器学习模型检查数据，若检测到特定状态，会唤醒更强大的网关设备进行更深入的数据分析。第二阶段的设备可以使用第一阶段传输的数据，也可以用自身传感器采集新数据。这些设备可以是物理上独立的