應用概覽概述
電弧故障斷路器 (AFCI) 透過偵測危險電弧並在造成損壞之前中斷電源，在防止電氣火災方面發揮至關重要的作用。然而，傳統的 AFCI 通常依賴過時的類比電路和基本的訊號處理，這可能帶來複雜的訊號擷取要求，並且可能無法在電弧引發火災之前將它們偵測到。
相較之下，我們創新的方法利用了專有的捲積神經網路 (CNN) 模型，經過廣泛的負載和電弧特徵資料集訓練，並經過專業的最佳化，可在整合到 MSPM0G5187 微控制器系列中的 TinyEngine™ NPU 上運行 。
這項尖端技術能夠實現更準確、更可靠的電弧檢測，為 AFCI 性能樹立了新的標準。
開始評估
資料收集
利用 TIDA-010971 參考設計，設計提供統一的平台設計，能夠可靠地擷取 AC 電弧故障的即時 AC 電流資料和電弧電壓資料。
資料品質評估
高品質的訓練資料是任何成功的 AI 模型的基礎。TI 的適合度 (GoF) 評估可確保您的資料集能夠代表從細微運動到環境變化的各種真實世界運動場景。我們的適配優度 (GOF) 評估會檢查您的資料集是否捕捉到了真實世界的電弧故障條件，以實現準確的訓練。在 CCStudio™ Edge AI Studio 中探索 GOF 或使用我們的範例資料集。
圖 1.1 - 較差的數據品質
圖 1.2 - 適用於電弧與非電弧的妥善分離特徵簇
GoF 測試說明了預處理特徵擷取步驟對資料可分性的影響。
構建並訓練模型
準備好資料集後，使用 Edge AI Studio 軟體開發工具（用於邊緣 AI）探索、訓練和評估模型。這款符合直覺、基於 GUI 的工具簡化了模型創建和部署的整個過程。
使用 PIR 運動偵測範例專案快速上手－此專案已預先載入資料集。
偏好自定義資料？該平台在 Edge AI Studio 中整合了資料擷取和託管工具。
模型靈活性可根據記憶體限制和運算需求來滿足您的應用需求。
部署模型
CCStudio™ Edge AI Studio 提供從頭到尾的整個工作流程，用於將訓練好的模型部署到嵌入式目標。對於尋求更深層客製化和控制的開發人員，請參閱部署指南，其中提供了一個全面的框架，用於將 EdgeAI 功能建置並整合到您自己的嵌入式應用中
- 使用 EdgeAI Studio GUI 工具在 MSPM0 微控制器上部署機器學習模型
- 使用 CLI 工具在 MSPM0 微控制器上部署機器學習模型
選擇適合您的裝置
| 延遲 (ms) | 快閃記憶體 (kB) | SRAM (kB) | ||||
|---|---|---|---|---|---|---|
| 產品編號 | 處理核心 | 可用的 NPU | 時鐘頻率 (MHz) | 電弧故障模型指標 | ||
| MSPM0G5187 | Arm® Cortex®-M0+ 核心 | 是 | 80 | 0.39 | 5.55 | 2.4 |
| AM13E230x | Arm® Cortex®- M33 | 是 | 200 | 0.2 | 5.8 | 2.4 |
開始使用所需的所有硬體、軟體與資源
硬體
LP-MSPM0G5187
MSPM0G5187 LaunchPad™ 開發套件評估模組，這是 EdgeAI 推理所必需的，目前資料使用 ADC 擷取，並在特徵提取後傳遞給 AI 模型。
TIDA 010971
TI 參考設計，用於擷取 ARC 故障的 AC 電流資料
軟體與開發工具
CCStudio™ Edge AI Studio
一個完全整合的無程式碼解決方案，用於訓練和編譯 PIR 運動偵測模型，並部署到 TI 嵌入式微控制器裝置上。
CLI 工具
使用這款端對端模型開發工具，包含資料集處理、模型訓練與編譯
MSPM0-SDK
MSPM0 SDK 提供軟體，工具和文件的終極集合，可使用單一軟體套件，加速開發 MSPM0 MCU 平台的應用。