基于嵌入式平台与深度学习的智能气象监测仪器设计方案

最新推荐文章于 2023-07-21 11:15:34 发布

天翼小余

最新推荐文章于 2023-07-21 11:15:34 发布

阅读量1.4k

点赞数 2

分类专栏：技术方案文章标签：人工智能嵌入式

本文链接：https://blog.csdn.net/qq_38470434/article/details/106085814

版权

本文介绍了一种基于嵌入式平台的智能气象监测仪器设计方案，利用预训练的TensorFlow模型在MTK主控上进行实时处理，结合协处理器优化数据采集与计算，减少了数据传输和服务器压力，确保用户信息安全。Android与TensorFlow Lite的集成提供了人机交互体验，实现了在移动端的本地数据处理。

摘要由CSDN通过智能技术生成

一、概述

以目前常见移动设备的存储和计算能力，是不可能实现在移动端进行模型训练的。但是如果在服务端利用海量的数据和计算资源训练好模型，然后将训练好的模型部署到移动端，只利用移动端的计算能力来进行推理，将分别发挥两项技术最优的性能，也是人工智能算法落地的趋势。
若按传统方式直接采集图像数据上传云端进行处理，既面临图像数据的安全性问题，又对通信带宽有较大的要求，且一旦终端数量大时，会为云端处理图像的服务器带来很大的压力，而本项目是在本地处理数据，数据没有上云的过程，就可以保证用户的信息安全，免除不必要的麻烦。且经过嵌入式的前级处理，就可以只传输有价值的信息，而非原始的大容量视频，能够有效减少传输带宽以及后端部署服务器的计算量及存储量，让系统的整体架构变得更加轻便。
本项目基于MTK主控，现将训练好的模型部署在MTK嵌入式平台上，使主控一边将摄像头的视频采集回来进行实时的处理，一边与协处理器（单片机端）进行数据通信，协处理器先将传统的传感器数据采集计算整理好后再与MTK主控进行通信，这不仅节约了MTK的接口，也节省了一部分算力。使MTK性能更多的用在图像的实时处理与人机交互的功能上。
Android是大部分物联网设备未来的内在系统，而TensorFlow又是业内标准的训练框架，这两个系统的整合将会产生巨大的化学反应。