为了实现在微处理器上运行眼动信号分类算法,精简嵌入式系统设计,提高系统效率,文章对比研究了STM32CubeMX AI和NanoEdge AI 2种可在微处理器上部署人工智能算法的技术手段。首先以眼电数据为基础,分别利用2种技术实现分类算法在微处理...为了实现在微处理器上运行眼动信号分类算法,精简嵌入式系统设计,提高系统效率,文章对比研究了STM32CubeMX AI和NanoEdge AI 2种可在微处理器上部署人工智能算法的技术手段。首先以眼电数据为基础,分别利用2种技术实现分类算法在微处理器上进行部署;然后在微处理器中运行分类算法,对眼电信号进行分类;最后对比分析2种分类方法的优缺点。实验结果表明,2种部署方式各有利弊,利用STM32CubeMXAI实现分类部署的方法首先需要在上位机中实现分类算法,有一定的执行难度,但可以更加有效地提高分类准确度;利用NanoEdge AI实现分类部署的方法可以避免上位机算法的调试,但无法实现针对不同信号进行具体设计。展开更多
文摘为了实现在微处理器上运行眼动信号分类算法,精简嵌入式系统设计,提高系统效率,文章对比研究了STM32CubeMX AI和NanoEdge AI 2种可在微处理器上部署人工智能算法的技术手段。首先以眼电数据为基础,分别利用2种技术实现分类算法在微处理器上进行部署;然后在微处理器中运行分类算法,对眼电信号进行分类;最后对比分析2种分类方法的优缺点。实验结果表明,2种部署方式各有利弊,利用STM32CubeMXAI实现分类部署的方法首先需要在上位机中实现分类算法,有一定的执行难度,但可以更加有效地提高分类准确度;利用NanoEdge AI实现分类部署的方法可以避免上位机算法的调试,但无法实现针对不同信号进行具体设计。