瑞萨丨技术干货 边缘AI:日常工业背后的隐形智能

发布时间:2026-05-19 09:52
作者:AMEYA360
来源:瑞萨
阅读量:469

  维持日常生活运转的大多数系统,往往从不登上新闻头条。无论是维持水压的泵站、保持食品流转的传送带,还是负责将正确包裹送往正确目的地的仓库,这些都是“日常工业”中的重要组成部分。然而,它们也时刻承受着更大的压力:减少停机时间、降低能耗、减少意外情况的发生。

  真正拉开“够用”与“于无声处见卓越”差距的,是边缘AI:即直接部署在控制器、面板和传感器中的轻量化智能。瑞萨电子内置AI加速功能的RA8P1高性能Arm® Cortex®-M85微控制器(MCU)、适用于图形丰富且搭载AI的人机界面(HMI)和网关的RZ/G3E微处理器(MPU)以及专为视觉应用优化的RZ/V2N处理器,正是为了将这种智能精准部署到最需要的地方。

  更智能地掌控故障源头

  当电机轴承开始磨损,或者当泵出现气蚀时,最初迹象往往表现为振动、电流或温度的细微变化。传统的控制器会采集这些信号,将其与固定阈值进行比较,并且只有当情况明显恶劣时才会发出警报。到那时,生产可能已经处于风险之中。

  借助基于RA8P1的控制器,同一份数据能够更早发挥作用。RA8P1将快速实时控制与内置AI加速功能相结合,使控制器能够了解特定机器的“正常”状况并静静地监测微小但不容忽视的偏差。控制程序仍会如往常一样运行,只不过多了一双额外的“眼睛”,能够察觉操作员的行为模式以及可能被忽视的简单阈值变化。

  在实际应用中,这意味着:

  一条包装生产线会将更换轴承安排在计划停产期间进行,而不会因意外故障导致中断。

  供水网络中的增压泵可在气蚀出现的初期发出预警,以免服务受到影响。

  机器中内嵌的小型HMI不仅会显示状态信息,还可呈现其健康状况随时间变化的趋势。

  硬件空间无需发生巨大改变,机柜控制器、驱动板和紧凑面板均可从相同的RA8P1基础架构中受益。真正改变的,是它们对所控过程的理解深度。

  不局限于数据显示的操作面板

  来到一个现代工业HMI之前,您将会看到密集的流程信息:储罐液位、生产线速度、温度、能源使用情况以及警报列表。它功能强大,但也令人无所适从。当大量警报同时出现,即使是经验丰富的操作员也会不知该从何下手。

  这正是RZ/G3E级别HMI和网关大显身手的地方。它们将高性能应用程序内核与专用AI加速技术以及丰富的图形功能组合在一起,使HMI能够超越简单地镜像可编程逻辑控制器(PLC)标签:

  它可以整合具有相同根本原因的警报,并筛选出真正需要关注的一两个报警。

  它可以重点展示需要调查的模式,如某台机器反复出现的短暂停机。

  它可以提供基于情境的建议:如“检查过滤器A”或“检查第3段传送带”,而非仅仅展示一段通用故障代码。

  由于RZ/G3E专为运行完整操作系统和现代UI框架而构建,因此它还可作为控制网络和更高级分析系统之间的天然桥梁。它能够预处理数据、运行本地模型并仅将最相关的洞察结果上传,从而减少带宽占用并防止敏感的原始数据向外泄漏。对于操作员而言,它的使用体验几乎仍和“面板”无异。而在底层,它已悄然扮演起本地分析师的角色,而不仅仅是一个显示屏。

  协助人类实现全天监测的视觉技术

  工厂中某些最重要的信息常会以视觉形式呈现。标签是否粘贴并对齐?连接器是否插好?机器人移动时应予以清空的区域内是否有人?人类擅长在短时间内发现这些问题,但并非每一班次的每时每刻都能保持警觉。

  RZ/V2N这样的处理器专为此类始终开启的边缘视觉系统而设计。它们可在本地运行基于摄像头的AI模型,将原始图像转换为简单的判断结果:“零件合格/不合格”、“区域安全/不安全”以及“模式正常/异常”。

  在日常运行中,这些能力可以体现为:

  传送带上方的摄像头可以在产品码垛之前捕捉到缺失的瓶盖或受损的包装。

  监控机器人单元的智能传感器可在确认安全区内无人后才允许移动。

  质量检测站可检查电子元件上是否存在焊料或者连接器是否对齐,而无需中断生产线进行手动检查。

  由于处理过程在摄像头附近紧凑、高效的器件内完成,因此无需将视频传输至远程服务器。网络上传输的是判断结果,而非每一帧画面。

  一套工具包即可悄然实现多项提升

  RA8P1、RZ/G3E和RZ/V2N各自处理工业系统中不同的环节:控制、可视化和视觉。它们共同组成了一套工具包,让现有的设备更加智能化,同时不推翻已投入运行的架构:

  RA8P1可让控制器和驱动器能够更好地“倾听”其机器的状况。

  RZ/G3E将面板和网关转变为“合作伙伴”,帮助操作员关注最重要的事项。

  RZ/V2N使摄像头能够持续监控可能被人类所忽视的问题。

  除了芯片之外,瑞萨电子还提供了AI开发环境、演示项目以及参考设计,以便团队能够更加顺利地将经过训练的模型部署到嵌入式硬件上。这意味可将异常检测功能添加到PLC型控制器中、将洞察信息叠加显示在流程显示屏上或者在智能摄像头内部署小型视觉模型。

  不止计算:平台的其他产品

  支持边缘AI的系统需要的不仅仅是处理器和软件。瑞萨电子还可提供工业级功率器件、模拟和传感IC以及稳健的连接方案,将这些处理器转化为全套解决方案。高效的功率传输技术支持密集式24V控制柜;高精度模拟产品和IO Link器件可确保精确捕捉振动、电流和温度数据;工业级以太网和现场总线接口将传感器、控制器和HMI安全地连接在一起。

  结合用于安全启动和保护性更新的嵌入式安全功能,这种集计算、功率、模拟、连接和安全于一体的组合方案,能够帮助团队将边缘AI从实验室演示推进到长期稳定运行的工业部署阶段,大幅减少意外情况。

瑞萨丨技术干货  边缘AI:日常工业背后的隐形智能


(备注:文章来源于网络,信息仅供参考,不代表本网站观点,如有侵权请联系删除!)

在线留言询价

相关阅读
议程揭晓|6.14深圳见 · 瑞萨RA MCU开发者日
喜报丨瑞萨电子凭借R-Car X5H荣膺第五届知鼎奖“智能驾驶科技创新奖”
2026-06-03 10:49 阅读量:291
瑞萨丨技术干货|解决方案套件概念:AI赋能的智能电动自行车——重塑城市出行与智能交通
  电动自行车正在迅速重塑城市出行方式。作为汽车之外更可持续、更灵活的选择,电动自行车不仅有助于缓解交通拥堵,也符合绿色低碳的发展趋势。随着电动自行车技术的不断进步和普及,用户对安全性、可靠性和智能辅助功能的期待也在持续提升。  然而,无论是传统机械自行车还是电动自行车,当前仍高度依赖骑手的主动感知以及按计划进行的维护保养。许多机械问题往往是逐步演变的,在性能明显下降或故障真正发生之前,几乎没有预警信号。这种被动式维护方式容易导致意外故障、更高的维修成本,甚至带来潜在的安全隐患。  瑞萨通过AI赋能的智能电动自行车概念方案应对这些挑战。该方案基于嵌入式边缘人工智能(AI),在自行车本体上即可实现预测性维护、智能骑行辅助、环境感知以及电池管理优化,无需依赖云端连接。  嵌入式边缘AI实现预测性与智能骑行  智能电动自行车的核心由Renesas AIK-RA8D1 AI开发套件驱动。该套件基于RA8D1微控制器(MCU)),这是一款面向实时嵌入式AI应用设计的高性能Arm® Cortex-M85® MCU。借助Renesas Reality AI Tools®,开发者可以部署高度优化的AI模型,使其完全运行于MCU本地,无需云端计算支持。  这种系统架构在实现更安全、更高效骑行体验的同时,也有效控制了功耗和系统成本,非常适合大规模部署于智能出行设备中。  AI赋能的智能电动自行车围绕以下两大核心能力,全面提升骑行体验:  AI驱动的状态监测  更顺畅、更安全的骑行体验,全面提升用户感受  瑞萨电动自行车概念  AI驱动的状态监测  无论是传统自行车、电动自行车,还是共享出行车队中的自行车,本质上都是精密的机械系统。其性能高度依赖于关键部件的健康状况,包括链条、齿轮、轴承以及车架连接部位。随着时间推移,这些部件会因机械应力、环境影响以及骑行工况而逐渐磨损和劣化。  传统的维护方式通常依赖定期人工检查或基于里程的保养周期。这些方法往往不够精准且偏被动,容易导致突发故障,增加维护成本和运营风险。  通过将AIK‑RA8D1与加速度传感器直接集成到自行车中,实时AI驱动的状态监测成为可能。系统可持续分析振动特征和运动模式,及早发现机械性能退化的迹象。  关键预测性维护功能包括:  链条劣化检测(Chain Deterioration Detection)——系统监测传动系统的振动模式。当振动特征偏离正常状态时,可在性能明显下降之前识别出链条过度磨损或润滑异常问题。  齿轮异常检测(Gear Anomaly Detection)——AI模型可识别由齿轮齿面磨损、损坏或变速器对位异常引起的异常振动模式,实现早期干预。  轴承失效检测(Bearing Failure Detection)——轴承在劣化过程中会产生特定的高频振动特征。系统可在出现可听噪声或严重机械损伤之前就检测到这些异常。  车架结构监测(Frame Structure Monitoring)——通过振动分析,还可识别车架的松动或结构性变化,从而提升骑行安全性并延长整车使用寿命  瑞萨如何实现智能自行车监测  要构建高精度的状态监测AI模型,必须采集涵盖正常运行状态和多种机械故障状态的数据集。  为此,系统采用AIK-RA8D1 AI开发套件,并通过Pmod™模块连接外部加速度传感器。开发套件和传感器均直接安装在自行车上,在真实骑行场景中采集振动和运动数据。  数据集采集通过Data Storage Tools完成。该工具可作为插件集成在Renesas e² studio中,也可作为独立应用供第三方IDE用户使用工具可实时采集加速度传感器的原始数据,并进行存储,用于后续的数据标注和AI模型训练。  Figure1.Training Set-up  AI模型开发与部署  在完成数据标注并上传至Renesas Reality AI Tools后,可利用云端AutoML功能训练和评估多个AI模型,并针对RA8D1 MCU进行部署优化。  最终选定的模型能够识别七种系统状态:  电动自行车状态:识别空闲与静止状态  链条运行状态:识别正常的正向与反向链条运动  齿轮异常:基于变速器位置检测两种故障状态  后轮结构状态:识别潜在的后轮松动问题  该优化模型在仅占用5KB内存的情况下,实现了99.63%的识别准确率,可高效运行于RA8D1 MCU上。  Figure2.Model Development to Deployment Flow  部署完成后,推理结果可通过集成在e² studio开发环境中的AI Live Monitor工具进行实时监控。  AI增强型骑行智能  除状态监测外,AIK RA8D1还可作为智能电动自行车计算核心,充当中央处理节点,分析来自电机、电池及各类传感器的数据——支持在有或无额外传感硬件的情况下运行。  AI赋能的骑行功能示例包括:  载荷分布检测——通过分析振动与运动信号,系统可估算骑手及货物的重量分布。据此推荐或自动调整坐垫位置,以提升舒适性和踩踏效率。  路面类型识别(Surface Detection)——AI模型可识别沥青路、碎石路或不平整地形。并根据路况动态调整电机扭矩和功率输出,从而提升稳定性与能效。  目标检测,实现更安全骑行(Object Detection for Safer Riding)——结合视觉传感器时,AI模型可识别周围车辆与障碍物,在盲区来车时触发预警。  “See with Sound”的空间感知能力——通过麦克风阵列,系统可估算周围车辆的来向,并向骑手提供空间方位提示,而无需持续视觉关注。  推动下一代智能出行  AI驱动的智能电动自行车方案充分展示了嵌入式边缘AI对个人出行和共享交通的变革潜力。通过将预测性维护与环境感知能力直接集成到自行车中,制造商能够打造更安全、更可靠、更高效的出行解决方案。  瑞萨AI技术致力于帮助客户基于可扩展的边缘AI平台,构建适用于实时嵌入式部署的智能出行系统。  告别突发故障,从瑞萨开始打造更智能、更安全的自行车。  准备好将AI驱动的状态监测引入骑行领域了吗?
2026-06-02 09:56 阅读量:316
喜报|瑞萨电子荣获上海繁易“战略合作伙伴”奖
2026-05-29 09:55 阅读量:404
  • 一周热料
  • 紧缺物料秒杀
型号 品牌 询价
RB751G-40T2R ROHM Semiconductor
MC33074DR2G onsemi
CDZVT2R20B ROHM Semiconductor
TL431ACLPR Texas Instruments
BD71847AMWV-E2 ROHM Semiconductor
型号 品牌 抢购
BU33JA2MNVX-CTL ROHM Semiconductor
IPZ40N04S5L4R8ATMA1 Infineon Technologies
STM32F429IGT6 STMicroelectronics
BP3621 ROHM Semiconductor
ESR03EZPJ151 ROHM Semiconductor
TPS63050YFFR Texas Instruments
热门标签
ROHM
Aavid
Averlogic
开发板
SUSUMU
NXP
PCB
传感器
半导体
相关百科
关于我们
AMEYA360微信服务号 AMEYA360微信服务号
AMEYA360商城(www.ameya360.com)上线于2011年,现 有超过3500家优质供应商,收录600万种产品型号数据,100 多万种元器件库存可供选购,产品覆盖MCU+存储器+电源芯 片+IGBT+MOS管+运放+射频蓝牙+传感器+电阻电容电感+ 连接器等多个领域,平台主营业务涵盖电子元器件现货销售、 BOM配单及提供产品配套资料等,为广大客户提供一站式购 销服务。

请输入下方图片中的验证码:

验证码