基于嵌入式平台与深度学习的智能气象监测仪器设计方案

一、 概述

以目前常见移动设备的存储和计算能力，是不可能实现在移动端进行模型训练的。但是如果在服务端利用海量的数据和计算资源训练好模型，然后将训练好的模型部署到移动端，只利用移动端的计算能力来进行推理，将分别发挥两项技术最优的性能，也是人工智能算法落地的趋势。
若按传统方式直接采集图像数据上传云端进行处理，既面临图像数据的安全性问题，又对通信带宽有较大的要求，且一旦终端数量大时，会为云端处理图像的服务器带来很大的压力，而本项目是在本地处理数据，数据没有上云的过程，就可以保证用户的信息安全，免除不必要的麻烦。且经过嵌入式的前级处理，就可以只传输有价值的信息，而非原始的大容量视频，能够有效减少传输带宽以及后端部署服务器的计算量及存储量，让系统的整体架构变得更加轻便。
本项目基于MTK主控，现将训练好的模型部署在MTK嵌入式平台上，使主控一边将摄像头的视频采集回来进行实时的处理，一边与协处理器（单片机端）进行数据通信，协处理器先将传统的传感器数据采集计算整理好后再与MTK主控进行通信，这不仅节约了MTK的接口，也节省了一部分算力。使MTK性能更多的用在图像的实时处理与人机交互的功能上。
Android是大部分物联网设备未来的内在系统，而TensorFlow又是业内标准的训练框架，这两个系统的整合将会产生巨大的化学反应。

二、 整体框架

在AI部分，首先需要搭建相应的人工智能学习网络，完成数据集的搜集，并对模型进行训练，在过程中不断优化算法、调节参数，得到需求的模型并将其移植到嵌入式平台上。
而嵌入式端的任务，既需要对传统参数完成采集，利用有限的接口挂载多种多样的传感器。也需要对实时视频进行前级处理（切片、滤波等）并将处理好的图片放在移植好的模型上进行识别，最终将识别后的结果通过一定的方式呈现出来，实现较好的人机交互体验。

三、人工智能部分：

本项目采用谷歌TensorFlow作为学习的基础框架，选择本框架而不是caffe、Theano、Torch、CNTK等框架的理由如下：
1.可用性：TensorFlow 工作流程相对容易，API 稳定，兼容性好，并且 TensorFlow 与 Numpy 完美结合，这使大多数精通 Python 数据科学家很容易上手。与其他一些库不同，TensorFlow 不需要任何编译时间， 这允许你可以更快地迭代想法。在TensorFlow 之上已经建立了多个高级 API，例如Keras 和 SkFlow，这给用户使用TensorFlow 带来了极大的好处。
2.灵活性：TensorFlow 能够在各种类型的机器上运行，从超级计算机到嵌入式系统。它的分布式架构使大量数据集的模型训练不需要太多的时间。TensorFlow 可以同时在多个CPU，GPU 或者两者混合运行。
3.运行效率：自 TensorFlow 第一次发布以来，开发团队花费了大量的时间和努力 来改进TensorFlow 的大部分的实现代码。 随着越来越多的开发人员努力，TensorFlow 的效率不断提高。
4.支持：TensorFlow 由谷歌提供支持，谷歌投入了大量精力开发 TensorFlow，它希望 TensorFlow 成为机器学习研究人员和开发人员的通用语言。此外，谷歌在自己的日常工作中也使用 TensorFlow，并且持续对其提供支持，在 TensorFlow 周围形成了 一个强大的社区。谷歌已经在 TensorFlow 上发布了多个预先训练好的机器学习模型，他们可以自由使用。

四、 嵌入式部分

4.1安卓主控

• TensorFlow Lite加Android8.1：
  目前嵌入式设备的智能框架是 TensorFlow Lite相对比较成熟的，TensorFlow Lite 的目标是移动和嵌入式设备，它赋予了这些设备在终端本地运行机器学习模型的能力，从而不再需要向云端服务器发送数据。TensorFlow Lite可以与Android 8.1中发布的神经网络API完美配合，即便在没有硬件加速时也能调用CPU处理，确保模型在不同设备上的运行。
  但是目前此框架还处于比较初始的阶段，仅有少量模型面世，且支持安卓8.1的处理器成本相对较高。
• MTK8735+opencv+ TensorFlow:
  首先MTK8735是联发科的4核64位物联网方案LTE芯片，核心板价格相对于专门的人工智能硬件低很多，使用灵活，通过OPENCV的前级处理，能较好的完成图像视频切片、图像滤波识别等功能，且搭载安卓系统，人机交互便捷。综合考虑是目前气象识别需求的最佳方案。

4.2协处理器

采用STM32作为本系统的协处理器，STM32具有接口齐全、实时性好、成本低、开发便捷等优点，故选用本单片机作为本系统的协处理器。

五、 人机交互

直接开发安卓APP与用户进行交互，或将数据打包上传服务器，并通过PC软件，安卓软件，或浏览器Html5跨平台等方式进行展示。
软件应具有以下功能：

1. 登陆鉴权
2. 历史备份
3. 数据可视化展示
4. 数据趋势分析
5. 展示传感器及摄像头工作状态
6. 故障报警