MEMS傳感器可以提供人工智能所需的精準數(shù)據(jù)

　　據(jù)麥姆斯咨詢報道，在近日舉行的“MSIG人工智能與物聯(lián)網(wǎng)論壇”上，意法半導體（ST）模擬和MEMS全球副總裁兼MEMS傳感器部門總經(jīng)理Andrea Onetti表示，在人工智能（AI）及萬物互聯(lián)時代到來之際，意法半導體MEMS傳感器可以提供人工智能所需的精準數(shù)據(jù)。

　　為了滿足人工智能在數(shù)據(jù)獲取和處理方面的需求，需要多種類型傳感器。不同類型傳感器的數(shù)據(jù)處理復雜度和功耗也不相同，例如MEMS運動傳感器主要用于活動監(jiān)測，計算量小、功耗低；而圖像傳感器可實現(xiàn)多個目標物體的識別、分類和追蹤等功能，計算量大、功耗大。

　　獲取數(shù)據(jù)是人工智能算法訓練的第一步，高質量（好）數(shù)據(jù)是算法成功的關鍵。因此，傳感器在人工智能領域扮演著至關重要的角色。高精度、低功耗、智能化將是MEMS傳感器的發(fā)展趨勢！

　　未來各種智能應用的驅動力來自精準的傳感器數(shù)據(jù)，涵蓋個人消費電子領域的增強現(xiàn)實/虛擬現(xiàn)實和光學圖像穩(wěn)定、汽車領域的自動駕駛和汽車導航、工業(yè)領域的傾角計和溫濕度監(jiān)控。當然，不同應用對傳感器精度的要求級別不同，例如汽車導航的精度約為1m，而自動駕駛的精度要求小于20cm。

　　傳感器精度的關鍵參數(shù)有哪些呢？Andrea Onetti提到三大方面：（1）噪聲（Noise），如振動抑制、1/f噪聲、高頻噪聲等；（2）穩(wěn)定性（Stability），如長期穩(wěn)定性、溫度穩(wěn)定性和重復穩(wěn)定性等；（3）偏差（Tolerance），如零偏、靈敏度、非線性、軸間串擾等。

　　傳感器精度的關鍵參數(shù)

　　意法半導體已有的MEMS傳感器設計可以將更好的性能（精度）帶給新的應用，例如MEMS壓力傳感器拓展至個人消費電子領域的電子煙和工業(yè)領域額流量監(jiān)測；MEMS加速度計拓展至個人消費電子領域的可穿戴設備和汽車領域的車鑰匙。

　　“不同市場對MEMS傳感器性能需求不同，以MEMS加速度計為例，在個人消費電子領域，功耗最為重要，其次是精度和成本；在汽車領域，可靠性最為重要，其次是精度和壽命；在工業(yè)領域，壽命最為重要，其次是可靠性和精度。”Andrea Onetti說道。

　　隨著“工業(yè)4.0”及智能制造的發(fā)展，MEMS傳感器在工業(yè)領域越來越重要，不管是產(chǎn)品生產(chǎn)，還是產(chǎn)品運輸，都離不開傳感器采集的精準數(shù)據(jù)。意法半導體積極把握工業(yè)市場中的各種機遇，如運輸過程中的振動和沖擊監(jiān)測、溫濕度監(jiān)測；安裝設備/機器的狀態(tài)監(jiān)測、環(huán)境監(jiān)測等。

　　Andrea Onetti自豪地說：“人工智能正在工業(yè)領域掀起一波數(shù)字革命浪潮，意法半導體也為此做好準備，開發(fā)了多款新型高精度MEMS傳感器，例如用于流量計的壓力傳感器、用于智能制造的6軸慣性測量單元（IMU）、用于建筑物監(jiān)測的高精度傾角計、用于振動分析的寬頻帶加速度計、用于資產(chǎn)追蹤的溫度傳感器和加速度計。”

　　意法半導體新型高精度MEMS傳感器及工業(yè)應用

　　自動駕駛/智能駕駛成為近期熱門話題，相關傳感器和感知計算生態(tài)系統(tǒng)蓬勃發(fā)展。為了保障安全，自動駕駛汽車將配備多種高質量的車載傳感器，包括激光雷達（LiDAR）、雷達（RADAR）、攝像頭（Camera）、慣性測量單元（IMU）等，因此，汽車市場機遇成為傳感器廠商重點關注領域。意法半導體已經(jīng)準備好從未來的汽車轉型中受益，積極布局汽車慣性導航系統(tǒng)領域。

　　在個人消費電子領域，VR/AR市場為傳感器帶來一波機遇，受益的傳感器如IMU、磁力計、ToF傳感器、圖像傳感器，以及聲學方面的MEMS麥克風和MEMS揚聲器。展望未來，通過將捕獲的精準數(shù)據(jù)連接至云平臺計算或在本地（邊緣）進行機器學習，可使傳感器將變得更加智能，同時也可讓傳感器之間的數(shù)據(jù)進行融合，提升感測精度。此外，傳感器功耗也能通過嵌入式智能技術實現(xiàn)降低，以滿足可穿戴設備等對于長時間續(xù)航的高要求。

　　意法半導體在其先進的慣性傳感器內集成機器學習技術，提高手機和穿戴設備的運動跟蹤性能和電池續(xù)航能力。Andrea Onetti表示： “LSM6DSOX iNEMO傳感器內部集成一個機器學習內核，可根據(jù)已知運動模式對運動數(shù)據(jù)進行分類處理，接替主處理器處理運動跟蹤的第一階段任務，這種方法可以節(jié)能降耗，加快健身記錄、健康監(jiān)測、個人導航、跌倒檢測應用等運動類應用程序的運行速度?！?/p>