Anwendungsübersicht
Erzielen Sie mit dem Hardwarebeschleuniger für neuronale Netzwerke auf dem Baustein eine Klassifizierung durch künstliche Intelligenz in Echtzeit, um eine sofortige und präzise Erkennung von Herzproblemen zu ermöglichen.
Verlängern Sie die Tragezeit mit erweiterten Energiesparfunktionen sowie hochauflösender Aufzeichnung und Übertragung, die nur bei Bedarf verwendet werden, um eine längere Batterielebensdauer zu ermöglichen.
Entwickeln Sie mit Wafer-Chip-Gehäuse eine kleinere und leichtere drahtlose medizinische Pflasterlösung.
Evaluierung zum Einstieg
Datensammlung
Nutzen Sie das analoge 4-Kanal-EKG-Frontend AFE159RP4 mit geringem Stromverbrauch sowie Atmungs- und Schrittmacherimpulserkennung, um eine zuverlässige Erhebung von EKG-Daten zur Erfassung verschiedener Klassen zu ermöglichen. Die Datenerfassung für EKG-Daten wird in CCStudio™ Edge AI Studio und durch Firmware-Support im MSPM0-SDK unterstützt.
Erstellen und trainieren Sie Ihr Modell
Sobald Ihr Datensatz bereit ist, können Sie mit dem Softwareentwicklungstool Edge AI Studio Modelle erkunden, trainieren und evaluieren. Dieses intuitive, GUI-basierte Tool vereinfacht den gesamten Prozess der Modellerstellung und -implementierung.
Legen Sie direkt los mit dem Beispielprojekt zur PIR-Bewegungserkennung – komplett mit einem vorinstallierten Datensatz.
Bevorzugen Sie benutzerdefinierte Daten? Die Plattform enthält integrierte Datenerfassungs- und Hosting-Tools in Edge AI Studio.
EKG-Leistung von MSPM0 (modellabhängig) | (MSPM0G5187) Software-KI-Implementierung | Hardware-KI-Implementierung | Verbesserung |
|---|---|---|---|
| Genauigkeit | > 95 % bei 4 Klassen | > 95 % bei 4 Klassen | ähnlich |
| Speicher | 96 B Flash 22 kB RAM | 72 kB Flash 19 kB RAM | > 30 % Speicherverbesserung |
Klassifizierung Latenz | 356 ms | 37 ms | > 9-fache Latenzverbesserung |
| Energie pro Klasse | 4322 μJ | 360 μJ | > 12-fache Energieverbesserung |
Implementierung Ihres Modells
CCStudio™ Edge AI Studio bietet einen kompletten Workflow für die Implementierung trainierter Modelle auf eingebetteten Zielen. Für Entwickler, die eine tiefere Anpassung und Steuerung wünschen, bietet das Implementierungsleitfäden ein umfassendes Framework für die Erstellung und Integration von Edge-KI-Funktionen für Ihre eigenen Embedded-Anwendungen.
- Implementieren Sie mit den GUI-Tools von EdgeAI Studio Modelle für maschinelles Lernen auf MSPM0-Mikrocontrollern
- Implementieren Sie mit CLI-Tools Modelle für maschinelles Lernen auf MSPM0-Mikrocontrollern
Alles an Hardware, Software und Ressourcen, was Sie zum Einstieg benötigen
Hardware
LP-MSPM0G5187
MSPM0G5187-LaunchPad™-Entwicklungskit-Evaluierungsmodul. Dies ist für die Edge-KI-Inferenzierung erforderlich. Stromdaten werden mit dem ADC erfasst und nach der Merkmalsextraktion an das KI-Modell übergeben.
TIDA-010288
Referenzdesign für einen kompakten, drahtlosen EKG-Holter-Monitor (6 Ableitungen) mit Erkennung von Atmung, Schrittmacherimpuls und Temperatur
Software- und Entwicklungstools
CCStudio™ Edge AI Studio
Eine vollständig integrierte Lösung ohne Notwendigkeit von Code zum Training und Kompilieren von PIR-Bewegungserkennungsmodellen, um sie auf Embedded-Mikrocontroller-Bausteinen von TI implementieren.
CLI-Tools
Dieses End-to-End-Modellentwicklungstool umfasst die Handhabung von Datensätzen, Modelltraining und -kompilierung.
MSPM0-SDK
Das MSPM0-SDK bietet die ultimative Sammlung von Software, Tools und Dokumentation zur Beschleunigung der Entwicklung von Anwendungen für die MCU-Plattform MSPM0 in einem einzigen Softwarepaket.