傳感器功率損耗是物聯(lián)網(wǎng)的一大禍害。
如果這些設(shè)備不斷地耗盡電力，部署數(shù)百萬個傳感器幾乎是徒勞的。物聯(lián)網(wǎng)傳感器在沒有電源的情況下無法收集或傳輸數(shù)據(jù)。
這是研究人員探索環(huán)境能量收集的原因之一。許多項目表明，通過將環(huán)境中的環(huán)境能量（例如，雜散磁場、濕度、廢熱、甚至不需要的無線無線電噪聲）轉(zhuǎn)換為可用電能，為物聯(lián)網(wǎng)供電，可以產(chǎn)生少量電力。
電池是可靠的，但它不能作為一個可靠的替代能源。
匹茲堡大學(xué)的科學(xué)家們提出了一個應(yīng)用人工智能的系統(tǒng)來減少物聯(lián)網(wǎng)傳感器的能源消耗并緩解電池壽命問題。該項目使用搭載式傳感器，這種傳感器由從環(huán)境中獲取的能量驅(qū)動，來觸發(fā)主傳感器。背負(fù)式傳感器將無人值守運(yùn)行，并且經(jīng)過訓(xùn)練，使用人工智能算法，只在滿足特定事件條件時，才向主要設(shè)備發(fā)出信號，使其開啟。
這項研究的首席研究員、該大學(xué)斯旺森工程學(xué)院電氣和計算機(jī)工程副教授胡靜通（JingtongHu）在大學(xué)網(wǎng)站上的一篇文章中表示："利用從環(huán)境中獲得的能量運(yùn)行人工智能算法的主要挑戰(zhàn)之一是，環(huán)境的能量是間歇性的。"...如果傳感器斷電，您將丟失數(shù)據(jù)，因此我們希望幫助AI算法做出準(zhǔn)確的決策，即使具有間歇性電源。
主要的數(shù)據(jù)采集傳感器和它們的無線電設(shè)備仍然需要電池供電，但是如果它們只在特定事件中工作，那么電力消耗就會減少。
胡在文章中說：“主設(shè)備被編程來完成所有的腿部工作?！陛^小的傳感器是看門狗，可以監(jiān)測環(huán)境，并在必要時喚醒較大的傳感器?！?br /> 雖然這一概念聽起來很簡單，但執(zhí)行起來并不容易。
美國國家科學(xué)基金會（NSF）于8月?lián)芸?5萬美元資助匹茲堡大學(xué)的項目。NSF網(wǎng)站上的摘要描述了團(tuán)隊的努力： 這個項目的目標(biāo)是在這種無電池設(shè)備中實現(xiàn)人工智能（AI）。然而，主要有兩個挑戰(zhàn)：1.現(xiàn)有的深度神經(jīng)網(wǎng)絡(luò)（DNNs）大多難以適用于資源受限的微控制器。2.DNNs通常需要多個執(zhí)行片段來獲得一個推理結(jié)果，并且由于收獲的功率很弱且不可預(yù)測，它可能需要不確定的時間。為了應(yīng)對這些挑戰(zhàn)，該項目正在開發(fā)多出口DNNs，它可以在每次執(zhí)行過程中輸出增量精確的推理結(jié)果?！?研究人員概述了他們計劃解決的三項任務(wù)，為在能量收集技術(shù)驅(qū)動的物聯(lián)網(wǎng)設(shè)備上進(jìn)行間歇性增量推理奠定了基礎(chǔ)。 “首先，將開發(fā)新的功率跟蹤感知壓縮、在線修剪和自適應(yīng)算法，以確保在間歇供電的設(shè)備上高效部署多出口DNNs。其次，將開發(fā)新的多出口統(tǒng)計和增量神經(jīng)網(wǎng)絡(luò)(MESI-NN)，以進(jìn)一步減少延遲，提高準(zhǔn)確性和能效。第三，將開發(fā)新的神經(jīng)架構(gòu)搜索算法，以自動搜索最佳MESI-NN架構(gòu)。該項目將通過真實系統(tǒng)和應(yīng)用程序進(jìn)行評估，如圖像分類、關(guān)鍵詞識別和活動識別?！?根據(jù)摘要，最終的結(jié)果將是“復(fù)雜的無電池計算系統(tǒng)”。 By Patrick Nelson

轉(zhuǎn)載：千家網(wǎng)

責(zé)任編輯：PSY

原文標(biāo)題：利用人工智能管理物聯(lián)網(wǎng)傳感器電源

文章出處：【微信公眾號：物聯(lián)網(wǎng)技術(shù)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。