工業物聯網浪潮下的嵌入式系統

作者 / 王瑩 王金旺《電子產品世界》編輯

摘要：工業物聯網(IIoT)浪潮洶涌而至迫使嵌入式系統開始進行深刻變革，芯片公司之間的并購與重組加劇，產品趨于平臺化，芯片不斷集成更多功能，同時注重軟件、云與服務等。為此，本媒體特別邀請業內部分代表廠商就未來嵌入式芯片在工業物聯網浪潮下的發展進行了深入探討。

工業物聯網的智能化發展趨勢

　　如果往今后來看，在工業物聯網上很重要的一個趨勢就是智能化，也可以說人工智能技術在這個領域里應用會越來越廣泛。第一個原因是視頻、監控或者跟視頻相關的應用所產生的數據量比例確實很大，在整個物聯網的數據里超過50%以上的數據都是跟視頻相關的非結構化的數據。這些數據對它的處理是業界的一個挑戰，以前大家很可能都是用肉眼去看，所采集到的視頻從里面發現異常的東西，但效率很低。

　　我們現在看到越來越多的公司開始把智能化的方法、算法、技術用到這個領域里，其中人工智能就是非常重要的一個技術，現在已經開始在這個領域得到嘗試或進行部署。就未來發展趨勢而言，人工智能技術會大大幫助視頻分析，能夠從中更準確、更迅速地提取人們所感興趣的信息。這個判斷實際上與英特爾對整個物聯網的趨勢判斷是一致的，因為英特爾認為物聯網的行業不管是什么樣的行業，它總的發展趨勢都會沿著互聯、智能、自治這三個階段走，在自治階段體現的就是各種人工智能的技術來使整個系統更加智能，能更好、更自主化地進行管理。現在看到整個安防行業實際上就是按照這樣的趨勢在進行發展演進的。

IIoT要求MCU更高的運算能力和安全性

　　工業自動化應用由來已久。隨著微控制器、無線連接、大數據和人工智能技術的發展，這些自動化生產、檢測、運輸設備開始具備更多的感知能力(包括圖像識別和各種目標數據)、更強的處理能力和更靈活的網絡連接能力，使得工業4.0和工業機器人等應用得到極大的發展和演化。

　　就這些應用及其發展趨勢看，其核心部件MCU需要具備更強的數據采集和處理能力、更高的安全性和可靠性、強大而靈活的無線連接能力以及能自適應的靈活設計能力。這些設備除了接受和處理傳統的環境參數和運行過程中的各種模擬和數字信息外，更要處理圖像、視頻和音頻數據，因而強大的運算能力必不可少。隨著數據量的增加，傳統的窄帶寬無線連接也開始需要結合更高吞吐率的無線或有線連接一起應用。另外，數據的加密、系統的安全可靠性也對工業設備至關重要。

　　Cypress針對IoT的PSoC 6 MCU系列

　　Cypress最新推出的PSoC 6 MCU系列是專門為IoT應用打造的微控制器系列產品。它基于高度創新的MCU開發平臺，具有高性能雙核架構和全面的硬件加密技術。同時，PSoC 6 MCU繼承了PSoC系列的高度靈活性，可以為不同的IoT應用提供各種數據采集、數據處理、控制、無線連接以及傳輸功能。結合Cypress免費的IDE工具PSoC Creator和軟件開發套件PDL，用戶能夠在PSoC 6這樣一個復雜而功能強大的MCU系統上實現快速和輕松的開發。PSoC 6 MCU是一個完整的針對物聯網應用的微控制器系列，包括入門級PSoC 60、可編程系列PSoC 61、高性能系列PSoC 62、無線連接系列PSoC 63以及電機控制系列PSoC 65。對于工業物聯網應用，PSoC 6 MCU結合本公司高性能無線連接方案(Wi-Fi、BT和Combo)和有線連接方案(USB-C)以及強大而成熟的電機控制軟件方案，已成為備受關注的物聯網MCU解決方案。

MCU助傳統硬件升級為智能硬件

　　工業物聯網將會是物聯網發展的重要推動力之一，也會是物聯網最先落地的應用之一。STM32在原有的工業市場有很好的基礎，在其上發展加入更多的聯接與云端的服務具有很大的市場成長空間

　　在相應的嵌入式系統中，MCU可以說是一個智能的控制單元或者是控制中樞。在工業物聯網高度碎片化的特性市場，分布在各個節點的MCU使得各個節點更為智能，配合不同的傳感器和互聯協議，把傳統的硬件升級為智能硬件。

　　STM32繼續強化物聯網安全

　　STM32作為意法半導體(ST)重要的MCU產品系列，其擁有廣闊的產品目錄、品質、靈活性，豐富的生態系統，原廠資源+合作伙伴。同時致力于IoT嵌入式智能硬件市場成長，特別關注物聯網安全。ST在安全領域有著多年積累和沉淀。STM32提供強大生態系統包含安全模塊，經過CAVP FIPS認證的STM32密碼算法庫和安全固件安裝/升級方案。同時ST還提供種類豐富的安全產品選擇內置安全功能的微控制器和Secure Element 作為輔助芯片(經過CC認證)。

IIoT系統要求多協議、多架構間的互操作性

　　工業4.0利用廣泛的工業物聯網(IIoT)技術來實現智能工廠。IIoT利用無線和有線網絡、傳感器數據、機器對機器(M2M)通信、機器學習和基于云的分析來實現制造過程的自動化。IIoT背后的理念是智能機器在采集和傳輸數據時比人類更快速、更準確和更一致。IIoT在質量控制改進、可持續、綠色實踐以及整個供應鏈效率方面擁有巨大潛力。考慮到IIoT系統和網絡的復雜性，使用不同協議和架構的設備和機器之間的互操作性是IIoT系統開發人員所主要顧慮的問題。像工業互聯網聯盟(Industrial Internet Consortium ，IIC)這樣的標準組織正在通過推動開放的互操作性和通用架構的開發來解決這些問題。

　　應用于IIoT的Wireless Gecko SoC平臺

　　Silicon Labs的Wireless Gecko SoC為IIoT應用提供了大量的連接選擇，包括能夠在2.4GHz和Sub-GHz頻率上運行Thread、zigbee、Bluetooth Low Energy、Bluetooth Mesh和許多專有協議，所有這些功能都可以在同一個無線SoC器件上實現。這些SoC也支持多協議運行，允許一臺聯網設備在運行時于不同協議之間的動態切換，從而給予應用開發人員極大的自由度去設計具有良好互操作性和連接性的設備。

物聯網邊緣處理需要安全的MCU

　　東芝半導體認為物聯網中負責邊緣處理的設備中(例如傳感數據處理)肯定需要用到MCU，而東芝的MCU能有效地在傳感技術中應用。某種程度上來說對智能系統架構而言，首先考慮搭載MCU的系統并加上傳感技術和連接技術。因此，為了能確保包括邊緣處理的MCU本身安全性和通信系統安全性，東芝認為產品和軟件的嵌入式軟件技術是必要的。為了支持物聯網中負責邊緣處理的設備產品開發的快速啟動，東芝正在推進Arm mbed相關的工作，同時將來會提供面向物聯網市場的方案。

新的處理器要兼顧人工智能等應用

　　物聯網設備現在也開始支持AI功能，例如智能音箱等。實際上，AI是非常熱的一個話題和應用。近日，NXP宣布“跨界處理器”i.MX RT上市，基于ARM Cortex-M7內核，號稱樹立微控制器(MCU)實時性能的高水準，達到3020 CoreMark得分和1284DMIPS，并可在600 MHz時提供20納秒的中斷延遲。當然，這款處理器也考慮到了人工智能(AI)等應用。

　　NXP在定義和設計i.MX RT時就有考慮這方面的考慮。例如AI需要強大的數據處理的速度和性能，因此，NXP把Cortex-M7提高到600MHz性能，這樣能保證足夠高性能的處理。另外，片內大容量的內存也支持AI所需要的各種算法和數據處理。再有，做AI不可或缺的是人機界面(HMI)，需要有攝像頭、顯示屏、觸摸屏的控制等，那么這款新處理器把這些接口都在片內集成。對于AI，還有一個非常重要的處理性能就是對于運動的控制，也稱馬達控制，i.MX RT同樣集成了非常強大和豐富的馬達控制外設，包括多通道的Flex PWM，同時也有正交編碼的接口和高精度的ADC，這樣就保證了能夠實現高精度、多馬達的運動控制。

人工智能在安防領域潛力巨大

　　人工智能和深度學習在安防領域用途廣大，例如小區要識別進出的人哪些是住戶、快遞員，進行車牌識別等，且需要低功耗設備。因此專用的AI和深度學習處理模塊十分重要。

　　今天安防是AI的一個重要應用領域。有人認為安防行業不好做，因為前有華為海康，后端也有幾家大廠商壟斷，還有商湯、地平線等算法公司,但安防目前還有很大潛力可挖，因為場景化很重要，安防可能針對城市、小區、樓宇等，因此算法也不盡相同，需要不同的研發方向。

　　因此，安防領域的AI需要ASIC/SoC、模塊、軟件、系統以及像海康、華為等的全產品解決方案。

面向安防的多場景智能服務方案

　　隨著產業轉型，安防多個領域都對智能化的解決方案提出迫切需求，而人工智能成為了契合需求的重要技術方式。 安防領域有兩大瓶頸：1.GPU價格較高;2.一些地方盡管有了高清攝像頭，但由于網絡傳輸帶寬不夠，因此高清視頻無法有效回傳到服務器，迫切需要在端/邊緣就解決視頻分析功能。促使深鑒在此研發。

　　目前深鑒先后突破了深度神經網絡壓縮、海量數據特征提取、視頻結構化等方面的相關難點。近日公布的視頻結構化解決方案、人臉分析解決方案、人臉檢測識別模組、ARISTOTLE架構平臺四款解決方案正是將算法級模型壓縮、軟件級工具鏈和處理器級體系結構等技術，通過軟件開發與硬件設計落地轉化為實際產品。集成基于深度學習的智能算法，實現前后端多路人臉、車輛檢測與識別，實時提取視頻結構化信息等產品功能。應對多種場景下的應用需求，加速安防產業升級換代。

　　而產品DNNDK? (Deep Neural Network Development Kit)則是深鑒科技面向AI異構計算平臺DPU(Deep-Learning Processor Unit，深度學習專用處理器)自主研發的國內首款原創深度學習開發SDK。DNNDK能極大降低DPU平臺深度學習應用開發門檻和部署難度，并大大縮短算法部署到硬件的周期，提速AI產品研發過程。

　　參考文獻：

　　[1]王曦.物聯網時代的傳感器和材料創新[J].電子產品世界,2016(1):27-29.

　　[2]李龍.新工業時代下中國工業物聯網發展現狀及趨勢[J].電子產品世界,2016(2-3):9-12.

　　[3]Ted Marena,Jenny Yao.物聯網中的硬件安全性[J].電子產品世界,2016(9):19-20.

　　[4]武鵬，金燕，張俊舉.基于嵌入式GPU的SAR實時艦船檢測算法CUDA設計[J].電子產品世界,2017(4):53-56.

　　[5]有鵬,劉勇,楊林莉,等.基于物聯網的圖像監控系統[J].電子產品世界,2017(8):40-42.

　　本文來源于《電子產品世界》2017年第11期第20頁，歡迎您寫論文時引用，并注明出處。