2020年11月19日在中国-跨多种电子应用，全球领先的半导体供应商意法半导体（ST）和能源管理与工业自动化数字转换市场的领导者施耐德电气（Schneider Electric）联合推出了物联网原型传感器。通过监视建筑物的占用率和利用率，该解决方案可以实施新的物业管理服务，并提高建筑物的能源管理效率。
两家公司合作将人工智能（AI）技术集成到高性能的人员计数传感器中，从而克服了在具有多个入口的大型场所监视人员流量的挑战。在2020年11月19日举行的IoT＆amp; 5G研讨会上，施耐德电气将作为嘉宾参加ST Live Days活动，以演示该IoT传感器解决方案的功能。
随着建筑和人类住区管理数字化的改善，施耐德致力于成为客户的数字合作伙伴。可持续发展和提高能源效率，为客户提供创新且有价值的见解，例如协助智能建筑管理的队列监控，同时在设计中充分尊重个人隐私。
这种先进的IoT传感器解决方案将ST的AI产品部门的先进专业知识与Schneider的深厚的传感器应用专业知识相结合，并将高性能的对象检测神经网络嵌入到经济的微控制器（MCU）中。施耐德电气通过使用STM32Cube.AI工具链提高了设计效率，该工具链具有成熟的功能并且可以为各种STM32 MCU开发AI应用程序。
STM32Cube软件开发生态系统的工程资源，先进技术和易用性为施耐德电气提供了宝贵的硬件设计灵活性和效率。人数众多的原型传感器集成了施耐德电气独特的超低功耗LYNRED ThermEyeTM系列热成像传感器，意法半导体最近推出的高性能STM32H723 MCU和基于Yolo的神经网络模型。
施耐德电气IoT传感器项目的项目经理Maxime Loidreau表示：“这项有前途的技术解锁了一种新的建筑物占用率监控和人流统计解决方案，该解决方案适用于监控排队，建筑物利用率，社会距离和其他应用场景。我们与意法半导体合作开发的创新演示原型不仅适用于酒店，办公室，百货公司，零售和其他场所，还适用于人们需要了解人员流动和空间利用情况的任何场景。
这将重新定义建筑的未来！” STMicroelectronics AI解决方案业务线经理Miguel Castro补充说：“该项目证明了深度学习可以改善嵌入式数据处理性能，并演示了如何在基于经济型微控制器的系统平台上运行高价值的应用软件。我们的STM32Cube .AI生态系统使用户能够在短时间内开发灵活的解决方案。
利用我们技术团队的支持服务来克服工程挑战，客户可以享受更高的设计效率。 “ STM32 AI生态系统提供的技术细节”。
在STM32 MCU上运行神经网络所需的基本模块可以实现经济且节能的解决方案，并原生支持各种深度学习框架，例如Keras，TensorFlow™Lite和ONNX交换格式。在这个开发生态系统中，X-CUBE-AI软件扩展包扩展了STM32CubeMX初始化工具的功能，该工具可以自动转换经过预训练的神经网络，为目标MCU生成优化的软件库，并将其集成到用户＆ ＃39; s项目。
此外，还有许多其他自动化功能可将开发人员从繁重的开发任务中解放出来。例如，他们可以验证神经网络模型并测量STM32 MCU的性能，而无需手动开发C代码。
意法半导体软件开发生态系统支持的普通DNN解决方案已映射到STM32丰富的产品组合，使用户可以有效地复制开发结果并为多个市场创建产品。在ST Live Days上运行演示应用程序的STM32H723 MCU具有运行AI应用程序的完全资格，因为该产品具有出色的核心性能，高达1Mbyte的闪存容量，并提供高速片外存储器接口和各种传感器接口。
。
两家公司合作将人工智能（AI）技术集成到高性能的人员计数传感器中，从而克服了在具有多个入口的大型场所监视人员流量的挑战。在2020年11月19日举行的IoT＆amp; 5G研讨会上，施耐德电气将作为嘉宾参加ST Live Days活动，以演示该IoT传感器解决方案的功能。
随着建筑和人类住区管理数字化的改善，施耐德致力于成为客户的数字合作伙伴。可持续发展和提高能源效率，为客户提供创新且有价值的见解，例如协助智能建筑管理的队列监控，同时在设计中充分尊重个人隐私。
这种先进的IoT传感器解决方案将ST的AI产品部门的先进专业知识与Schneider的深厚的传感器应用专业知识相结合，并将高性能的对象检测神经网络嵌入到经济的微控制器（MCU）中。施耐德电气通过使用STM32Cube.AI工具链提高了设计效率，该工具链具有成熟的功能并且可以为各种STM32 MCU开发AI应用程序。
STM32Cube软件开发生态系统的工程资源，先进技术和易用性为施耐德电气提供了宝贵的硬件设计灵活性和效率。人数众多的原型传感器集成了施耐德电气独特的超低功耗LYNRED ThermEyeTM系列热成像传感器，意法半导体最近推出的高性能STM32H723 MCU和基于Yolo的神经网络模型。
施耐德电气IoT传感器项目的项目经理Maxime Loidreau表示：“这项有前途的技术解锁了一种新的建筑物占用率监控和人流统计解决方案，该解决方案适用于监控排队，建筑物利用率，社会距离和其他应用场景。我们与意法半导体合作开发的创新演示原型不仅适用于酒店，办公室，百货公司，零售和其他场所，还适用于人们需要了解人员流动和空间利用情况的任何场景。
这将重新定义建筑的未来！” STMicroelectronics AI解决方案业务线经理Miguel Castro补充说：“该项目证明了深度学习可以改善嵌入式数据处理性能，并演示了如何在基于经济型微控制器的系统平台上运行高价值的应用软件。我们的STM32Cube .AI生态系统使用户能够在短时间内开发灵活的解决方案。
利用我们技术团队的支持服务来克服工程挑战，客户可以享受更高的设计效率。 “ STM32 AI生态系统提供的技术细节”。
在STM32 MCU上运行神经网络所需的基本模块可以实现经济且节能的解决方案，并原生支持各种深度学习框架，例如Keras，TensorFlow™Lite和ONNX交换格式。在这个开发生态系统中，X-CUBE-AI软件扩展包扩展了STM32CubeMX初始化工具的功能，该工具可以自动转换经过预训练的神经网络，为目标MCU生成优化的软件库，并将其集成到用户＆ ＃39; s项目。
此外，还有许多其他自动化功能可将开发人员从繁重的开发任务中解放出来。例如，他们可以验证神经网络模型并测量STM32 MCU的性能，而无需手动开发C代码。
意法半导体软件开发生态系统支持的普通DNN解决方案已映射到STM32丰富的产品组合，使用户可以有效地复制开发结果并为多个市场创建产品。在ST Live Days上运行演示应用程序的STM32H723 MCU具有运行AI应用程序的完全资格，因为该产品具有出色的核心性能，高达1Mbyte的闪存容量，并提供高速片外存储器接口和各种传感器接口。
。