随着物联网行业的兴起，IoT设备已经得到了广泛应用，但是传统的物联网设备仅仅只能作为一个终端节点承担一些数据采集的任务，而不具备真正的智能，这样的应用模式已经面临一些挑战。例如要实现对IoT数据的处理需要将数据上传到云端，云端处理完成后再将处理结果发送到终端设备，大量的数据上传导致设备的功耗变高，设备等待云端的处理结果又令终端设备对于数据结果的响应出现了高延迟。

本文将要介绍的SensiML Analytics Toolkit工具, 帮助用户可在几天或几周内为 IoT 设备快速构建数据的AI处理算法，将物联网设备从单纯的连接转变为真正的智能。IoT设备本身拥有数据处理能力将大幅降低需要上传到云端的数据量，从而降低设备功耗和宽带消耗，并且数据的本地处理也令设备能快速对检测到的数据作出响应。

SensiML  Toolkit产品主要包含3部分内容，其中Data Capture Lab负责采集传感器数据并对数据打上标签，之后将标记好的数据上传到Analytics Studio中生成针对目标设备的AI算法模型，生成的模型会自动转换为代码（binary、library或源代码方式），可直接在目标设备上执行实时推理。算法模型的验证将通过TestApp来完成。借助SensiML  Toolkit，非AI/ML行业专家也能够迅速开发出真正智能的物联网设备应用。

SensiML的工作流程大致包括传感器数据采集、数据标记，算法模型生成、固件烧录到模型验证的过程，感兴趣的用户可以通过如下链接查看详细的工作流程入门指引并进行尝试。https://sensiml.com/documentation/guides/getting-started/index.html

SensiML帮助提升产品质量并降低产品开发成本

•   降低产品开发成本

使用SensiML  Toolkit产品来开发传感器算法，开发速度将比AI/ML专家手工编码快5倍。

•   内置经过优化的AI算法，无需行业专家

SensiML通过普通开发人员也可以使用的软件为物联网传感节点提供实时事件检测能力，无需专业的AI/ML技能。模型通过SensiML提供的AutoML分析引擎创建，该引擎会自动生成优化的、就绪设备的模型，并在目标硬件的资源限制范围内最大限度地提高准确性。

•   代码支持在资源有限的MCU上运行

无需使用高性能但成本高昂的cpu芯片，SensiML生成的算法代码支持在在资源有限的MCU上运行，能够在资源有限的嵌入式无线物联网设备上实现真正的人工智能应用。

•   支持功耗水平不同的多种设备

针对MCU、DSP和FPGA等多种功耗不同的设备，SensiML都能够自动生成经过优化的算法代码。

•   具有高度可扩展性和灵活性

SensiML软件支持自己添加算法、更换所使用的硬件设备及自定义生成的代码等。

•   经过验证的解决方案

2016 年英特尔在其年度开发者大会主题演讲中推出了 Intel Knowledge Builder Toolkit，后来扩展成为现在的SensiML Analytics Toolkit，产品本身已经历数年的应用验证。

SensiML Toolkit产品可应用方向

SensiML Toolkit 使 AI 能够应用于各种资源有限的时间序列传感器，包括大量消费和工业类型的传感器应用。SensiML不断增长的数据转换库和模式识别库可以将大量检测到的数据流浓缩为实时内核可以处理的数据。无论是来自加速度计、称重传感器、应变仪、麦克风、陀螺仪、被动红外、身体电极、电压或电流测量的数据，算法模型的转换方法和终端产品具有智能所能够带来的优势都是相同的。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。