Загрузка...
Загрузка...
TinyML на микроконтроллерах (TensorFlow Lite, Edge Impulse), компьютерное зрение на NVIDIA Jetson и Google Coral. Обнаружение аномалий и распознавание объектов — на устройстве, без облака.
Типовой проект:Predictive maintenance датчик + Edge ML· 8–16 недель
Проект
Коротко опишите проект: что хотите построить, какие функции нужны, ориентировочные сроки. Если мы делали похожее, пришлём пример.
TinyML на STM32/ESP32, TensorFlow Lite Micro, Edge Impulse, ONNX. Интеграция NVIDIA Jetson, Coral Edge TPU. Обнаружение аномалий, keyword spotting, классификация объектов для embedded.
Смысл edge AI в том, чтобы разместить модель на самом устройстве, а не в облаке. Это даёт три вещи: задержка падает до миллисекунд, система продолжает работать при обрыве связи, а данные не покидают устройство.
На уровне микроконтроллера работаем с TensorFlow Lite Micro и Edge Impulse — сюда относится обнаружение аномалий в данных вибрации, звука и движения. Для более тяжёлых задач (распознавание объектов, подсчёт, считывание) применяются edge-платформы вроде NVIDIA Jetson или Google Coral.
Настоящая работа в этой области — не выбор модели, а сбор данных. Без образцов, собранных в реальных условиях, модель работает в лаборатории и отказывает в поле. Поэтому проект обычно начинается с этапа сбора данных.
Совместно определяем цели проекта, функциональные требования, бюджет и сроки. При необходимости подписывается NDA.
Разрабатывается архитектура системы, подбор компонентов, схема. Согласовывается предварительный BOM и блок-диаграмма PCB.
Проектирование PCB (KiCad/Altium), signal integrity, EMC проверка. Firmware разрабатывается параллельно. Промежуточные review.
Собирается первая партия PCB, тестирование в лаборатории. Валидация с firmware. Необходимые доработки.
DFM оптимизация для массового производства. Документация, user manual, долгосрочная техподдержка.
Небольшой прототип, средне-масштабный R&D или долгосрочная техподдержка — независимо от размера вашего проекта, отвечаю в течение 48 часов.