ＴｉｎｙＭＬ微型机器学习技术正在加速物联网行业的智能革新，但通信功耗限制和模型更新困难仍是阻碍其在真实场景落地的“最后一公里“难题。近日，纵行科技宣布将和ＱｕｉｃｋＬｏｇｉｃ公司联合推出ＺＥＴＡ－ＴｉｎｙＭＬ开发套件，以满足远距离、低功耗和成本敏感的嵌入式人工智能产品的原型验证及应用需求，打造一站式连接－训练－部署－应用的泛在智联新生态。该开发套件面向企业、高校、个人开发者，即日起接受预定，并从９月份开始发货。此开发套件为那些运营商信号难以覆盖、远距离和需要实时处理的物联网应用带来了无限可能，例如偏远山区的环境监测、畜牧群动态跟踪、户外广告牌的松动检测；工厂中设备的预测性维护、皮带机的启停和状态识别、管道气体的异常泄露监测；智能可穿戴设备、手势和语音识别等多种复杂场景。

１．实现ＴｉｎｙＭＬ应用的最后一公里：通讯和升级

在嵌入式设备部署和运行机器学习模型向来困难重重，但越来越多的软硬件平台正让这一切变得容易起来。ＱｕｉｃｋＬｏｇｉｃ是其中领先的佼佼者，其超低功耗可编程ＳＯＣ半导体技术和旗下ＳｅｎｓｉＭＬ子公司一站式ＡｕｔｏＭＬ平台，为ＴｉｎｙＭＬ的训练部署和验证提供了一个完整的解决方案。

ＱｕｉｃｋＦｅａｔｈｅｒ低功耗开源代码硬件开发工具包（ＨＤＫ）是一个小型系统，这是第一款Ａｒｍ　ＣｏｒｔｅｘＲ－Ｍ４Ｆ　ＭＣＵ并完全支持Ｚｅｐｈｙｒ　ﻪＲＴＯＳ和ＦｒｅｅＲＴＯＳ，是下一代低功耗、支持机器学习（ＭＬ）的物联网设备的理想选择。与其他基于专有硬件和软件工具的开发包不同，ＱｕｉｃｋＦｅａｔｈｅｒ基于１００％开源硬件并围绕１００％开源软件（包括Ｓｙｍｂｉｆｌｏｗ　ﻪＦＰＧＡ工具）构建。

ＱｕｉｃｋＦｅａｔｈｅｒ开发板

ＳｅｎｓｉＭＬ提供了一套完整的ＴｉｎｙＭＬ数据捕获、算法生成和验证的工具包解决方案，适用于自动化创建并优化ＡＩ物联网传感器识别代码过程的每个步骤。整个工作流使用不断增长的高级ＭＬ和ＡＩ算法库来生成代码，这些代码可以在开发阶段或部署后从新数据中学习。

ＳｅｎｓｉＭＬ工具包流程图

借助ＱｕｉｃｋＦｅａｔｈｅｒ开发板和ＳｅｎｓｉＭＬ训练平台，现在可以将一个训练并验证好的机器学习推理模型直接部署到ＭＣＵ中，但这些对于一个完整的ＴｉｎｙＭＬ应用来说还不够。物联网的应用大部分由电池驱动，虽然模型已经极度压缩节省了内存和计算耗能，但模型的推理结果仍需要上传，还需要考虑业务下行的传输要求。一般来说，通信耗能和计算耗能占比至少为３：１，低功耗传输仍是ＴｉｎｙＭＬ产品开发者必须直面的最大挑战之一。

此外，ＴｉｎｙＭＬ模型部署后并非一劳永逸，还存在一些不确定性的升级需求，这些不确定性包括模型参数调整、重新训练需求、业务逻辑变化等。有线连接更新仅适用于调试阶段，对于安装到客户现场的应用几乎不具备可行性。传统远程升级方式（ＯＴＡ）占用资源且耗电，对于大部分物联网场景并不友好，升级困难无疑在某种程度上限制了端侧智能产品的发展。

所以，当一个算法工程师正在为串口打印出的９８％模型精度击掌欢呼时，产品设计师却只是耸耸肩，“很好，还剩最后一公里。“

２．ＺＥＴＡ＋ＴｉｎｙＭＬ满足“低功耗＋通信＋远程升级”需求

ＺＥＴＡ作为国内唯一全栈国产化的ＬＰＷＡＮ物联网通信技术，解决物联网产业存在的终端功耗高、海量连接、广域覆盖能力不足和成本高等困难，非常适合大规模部署。作为全球首个支持分布式组网的ＬＰＷＡＮ通讯标准，ＺＥＴＡ利用搭载Ａｄｖａｎｃｅｄ　ﻪＭ－ＦＳＫ调试解调的超窄带技术，提出“ＬＰＷＡＮ２．０泛在物联”愿景，旨在以更高性能、更强穿透力、更低成本加速物联网在工业、物流等成本敏感性行业的应用。

ＺＥＴＡ　ＬＰＷＡＮ　２．０泛在物联

ＺＥＴＡ并不局限于传统ＬＰＷＡＮ行业的低速率场景，针对诸如图像、振动和声音等中、高速率应用，ＺＥＴＡ与ＴｉｎｙＭＬ技术　ﻪ深度融合，各种“端智能“传感器内置着机器学习ＡＩ算法，以低成本、低功耗和穿透力更强的ＺＥＴＡ通信技术为载体，使智能泛在物联无处不在。

与此同时，针对ＴｉｎｙＭＬ远程升级难题，ＺＥＴＡ自研差分ＯＴＡ算法，可在ｓｅｒｖｅｒ端对新旧软件包进行对比分析和高效压缩，在保留远距离覆盖性能基础上完成低功耗升级。以１００ｋＢ、１０％差异的ＴｉｎｙＭＬ模型来说，最终的差分包大小将在１１ｋＢ以下，而仅要求１０ｋＢ的额外内存空间，几乎适用于所有物联芯片使用。

３．ＺＥＴＡ＋　ＱｕｉｃｋＬｏｇｉｃ：加速端侧ＡＩ产品应用进程

此次与ＱｕｉｃｋＬｏｇｉｃ的合作，将在ＱｕｉｃｋＦｅａｔｈｅｒ开发板基础上，上叠ＺＥＴＡ高性能通信模组，并搭配ＺＥＴＡ低成本网关使用。软件层面，ＺＥＴＡ通信部分ＳＤＫ将直接集成到ＳｅｎｓｉＭＬ软件平台上，可直接生成能部署运行的Ｂｉｎａｒｙ文件，用户只需配置推理结果的对应关系。同时，ＺＥＴＡ为开发者提供云Ｓｅｒｖｅｒ服务，进行终端管理、ＺＥＴＡ网络配置、协议解析和差分ＯＴＡ升级功能，当有新的ＴｉｎｙＭＬ模型时，可一键完成远程升级。此开发套件将帮助那些端侧ＡＩ产品的开发者们进一步缩短原型验证周期，提前发现并评估网络环境带来的影响，从而加速整个产品的落地进程。

ＺＥＴＡ－ＴｉｎｙＭＬ开发套件包

主要技术指标

４．ＺＥＴＡ－ＴｉｎｙＭＬ开发套件：丰富泛在物联应用场景

此开发套件为那些运营商信号难以覆盖、远距离和需要实时处理的物联网应用带来了无限可能，无论是偏远山区的环境监测、畜牧群动态跟踪、户外广告牌的松动检测，还是工厂中设备的预测性维护、皮带机的启停和状态识别、管道气体的异常泄露监测，抑或是智能可穿戴设备、手势和语音识别，都能通过ＺＥＴＡ－ＴｉｎｙＭＬ开发套件来快速完成原型验证和匹配于真实场景的测试。

声音和语音分析需求是推动着ＴｉｎｙＭＬ应用快速发展的新劲动力，关键词唤醒应用正是到目前为止ＴｉｎｙＭＬ的最佳代表作。与此同时，自然界、工厂、城市、家居场景中无时无刻都存在着各种声音：动物的叫声、机器的轰鸣声、汽车行驶的噪声、婴儿的啼哭声…尽管这些声音没有确切的理论模型，但是通过ＺＥＴＡ－ＴｉｎｙＭＬ开发套件，仍能快速完成模型创建和验证，并瞄准于始终在线的低功耗检测。比如智能咳嗽检测以在公共场所排查新冠疫情风险、野外珍稀动物的叫声识别以帮助统计其活动范围和数量、变电站内声音异响检测以识别变压器异常放电故障、蓝牙耳机在使用中识别到地铁运行声音以自动开启主动降噪功能…这些音频分析场景都能在ＺＥＴＡ－ＴｉｎｙＭＬ套件上完成开发和样机测试。

使用声音识别皮带机脱落故障

ＱｕｉｃｋＬｏｇｉｃ中国区总经理张贵表示，“我们非常高兴能与纵行科技在嵌入式人工智能领域展开合作，ＺＥＴＡ超低功耗特性和ＬＰＷＡＮ２．０的泛在物联构想与ＱｕｉｃｋＬｏｇｉｃ的战略方向不谋而合。不论你是高校、企业还是个人开发者，都能使用ＺＥＴＡ－ＴｉｎｙＭＬ套件来激发你完成一些非常有创意、更具实用价值的智能物联网应用，甚至是一款‘杀手级’产品。”