来源：传感器世界编辑部
编辑：感知芯视界Link
年9月26日，在“第11届EEVIA年度中国硬科技媒体论坛暨产业链研创趋势展望研讨会”上，来自BoschSensortecGmbH的高级现场应用工程师皇甫杰先生为业界带来“嵌入式AI与MEMS传感器塑造未来，开启全新视野”主题演讲（见图1）。
图1
演讲开始，皇甫杰首先做了简要介绍，博世集团于年成立，由罗伯特·博世先生创立，发展到今天已有年的历史，主要涉及四大业务领域：第一，也是最大的一块是汽车和智能交通领域；第二是工业技术领域；第三是能源与建筑技术领域；最后一个是消费品领域。
众所周知，博世是汽车半导体巨头，汽车里面的各种零部件，包括底盘系统等大量用到博世的模块或者传感器。博世半导体隶属于博世汽车的市场领域，包括四大产品模块：一是功率器件（主要是车规的功率器件），包括碳化硅芯片；二是ASICs芯片（也属于车规产品）；三是车规半导体、车规MEMS传感器，涉及到加速器、陀螺仪、其他传感器等；四是消费类的MEMS传感器，主要聚焦在消费类的电子产品，包括手机、穿戴、IoT等设备中。
皇甫杰用一张时间轴介绍了博世半导体MEMS传感器发展的关键节点（如图2）。年，博世推出了第一颗MEMS传感器，基于6寸的MEMSwaferfab；从年开始，博世成立了BoschSensortecGmbH，这意味着博世从车规领域拓展到了消费领域；年，BoschSensortec在中国上海成立了亚太总部，这一年，博世MEMS传感器出货量突破10亿颗；年，博世在德累斯顿推出了8寸waferfab晶圆；年，博世MEMS传感器出货量突破亿颗；年，在德累斯顿推出了12寸晶圆的Waferfab，同时出货量突破亿颗（包括车规和消费类的传感器）；到今天为止，MEMS传感器产品出货量已突破亿颗。
图2
博世的MEMS传感器发展始于汽车，然后拓展到消费领域，继而到现在的IoT领域。万物互联离不开传感器对物理信号的感知，MEMS传感器让IoT设备变得更加智能。
如今，MEMS传感器已经渗透到生活的方方面面，在楼宇里面，可以通过传感器检测停车位，也可以做室内的导航。因为在楼宇之间，尤其在地下停车场的时候，其实是很少有GPS信号的。为了更精确地配合室内地图做车载导航，那么就可以通过传感器来做车载的惯导。
另外，车内的空气质量检测、安防类的入侵检测，以及睡眠监测等等，都会用到传感器，另外，在工厂端有一些设备的追踪，还有AR眼镜的应用，都为我们的工厂端生产和研发提供了更便捷高效的设备。
最后，在消费类的应用方面，可以用传感器计算更精确的卡路里，另外还有手机拍照防抖功能，以及用于手机或穿戴设备记录步数，这是基于加速度传感器实现的。所以，MEMS传感器已经渗透到我们生活的方方面面，虽然大家不会直观地感受到，但它就陪在我们身边。
接下来，皇甫杰结合博世消费类传感器产品，为研讨会来宾做了案例分享。
皇甫杰介绍道，早些时候，传感器的作用就是一个物理信号的检测，承载的功能就是检测物理信号，然后把物理信号转成一个电信号提供给上层，相对功能比较单一。在持续发展的过程中，传感器可以集成更多的算法和软件的功能，做定制化的配置，实现更多的功能。时至今日，边缘AI算法也可以集成到小小的传感器产品里面去，传感器这个单一的硬件逐渐承载了更多的任务，做更智能的场景应用。
与传统的AI算法有所不同，BoschSensortec的边缘AI算法是集成到传感器本体里面，因为传感器只要集成一个超低功耗的处理器，就可以实现这个功能。
皇甫杰进一步解释道，将AI算法集成到硬件内部的好处有以下几点：一是可以定制化器件端，让传感器适应到每一个独立的用户；二是传感器的数据只存在设备本身，甚至传感器内部，不需要上传到云端，这样可以保证用户数据的安全性；三是可以实时响应，因为无需将数据上传云端，再反馈到设备端，所以它的响应速度会更快；四是进一步地减少设备的功耗，来延长电池的使用寿命或者电池的续航时间。
以最新的BHI传感器为例来说，它紧凑的尺寸方便集成到各种各样的消费类电子产品里面，而且BHI功耗非常低，在做数据融合的时候，可以保证功耗在微安级别，另外，在出厂的时候集成了一些基本功能和AI算法，用户也可以很方便地进行二次开发。
接着，皇甫杰列举了BHI智能传感器几个典型的应用场景：第一个是在TWS耳机里面最常见的3D音效，它的原理是检测用户头部在转动的时候对应的音效场景，这是基于陀螺仪检测头部转动角度实现的；第二个是手势识别或者动作识别，比如走路、骑车、跑步时，或者坐汽车、高铁、飞机等交通工具时，这些场景都可以通过传感器的数据做一个大数据融合之后来识别；第三个应用是比较常见人机交互；第四个是PDR步行导航，现在基本上人手一个智能手表或智能手机，可以基于这个ACC和陀螺仪的数据，再结合算法去做运动轨迹的记录，这个记录不需要GPS的参与，包括在室内，比如商场里面没有GPS信号，这时候可以结合商场内部地图做路径规划；最后就是AI健身相关的记录，比如健身动作的追踪，包括游泳姿态的算法，BHI智能传感器集成了AI的运动监测相关算法在里面，在使用时，设备可以自动检测用户当前动作以及做了多少次，不需要任何干预，除了器件内嵌的十几个健身动作之外，用户也可以定义新的健身动作，这就是AI的典型学习能力。例如用户做哑铃的举握，这个动作的算法器件本身是不具备的，用户可以触发学习模式，然后重复做动作大概3~5次，让传感器识别到动作特征，捕捉到动作特征之后，器件快速建立出用户特征的模型，直接生成到传感器里面并保存起来，下次用户再做相同动作时就可以直接识别出这是自定义的新动作，并记录用户做的次数（如图3）。值得一提的是，HI智能传感器的功耗比上一代产品降低了54%，因此很适用于可穿戴设备。
图3
接下来介绍一颗最新的环境类传感器——BME四合一的传感器，也是目前世界上最小的四合一传感器，集成了温度、气压、湿度、气体检测功能。基于这颗传感器，我们可以给用户提供一个微环境的监测，甚至可以做一些微环境的天气预报预估，以及配合智能家居的联动等。
举例如说，用BME可以检测不同的气体，比如用户想要检测某一种咖啡的气味，可以用BME传感器去采集目标气体的信号，之后，基于采集到的目标气体的传感器信号，用PC端对应的简化工具去做一个数据特征的捕捉，在捕捉到数据特征之后，结合工具生成一个数据模型集成到用户自定义的算法里面。
VOC气体应用的领域就特别广了，比如用于森林野火的检测、对人体有害的气体检测、婴儿纸尿片的检测、冰箱食物新鲜程度的检测，还有室外空气指数的检测等等。
BME的工作原理是通过传感器内部去加热金属氧化物，来跟目标气体发生还原反应。通过采集多个温度点对应的还原反应的电阻值，对特征做捕捉之后做区分。比如有三种挥发性气体，传感器捕捉到不同的特征，通过不同的温度点的电阻值建立模型。
这里举一个在北美用BME气体传感器做野火检测的成功案例。我们采用太阳能电源给它供电，配有无线通信模块，在整片森林各处挂置这种设备，目的是检测森林里不同位置的空气质量。因为森林大火发生之前会产生大量的烟雾，里面含有大量VOC气体，云端可以实时捕捉到传感器的信号，如果某一个区域的VOC气体含量急剧上升，就可以进行快速定位并进行处置（如图4）。
图4
接下来，皇甫杰介绍了一款最新的气压传感器——BMP。
首先，气压计在北美的手机里面是标配，当地手机运营商要求所有手机在打报警电话的时候要知道所处坐标，这是通过气压计来识别的。
有关气压传感器的实际数据采集见图5，左边是不同的楼层，气压计对应的数据明显不同，右边是走楼梯的时候采集到的气压计的变化，可以看到，数据变化跟台阶是一对一的关系，表明传感器噪声和数据精度非常高的。
图5
BMP气压计在耳戴产品或者穿戴产品里面也有一些典型的场景，比如用户在佩戴智能耳机做俯卧撑的时候，BMP气压计可以通过检测用户俯和撑的高度变化，来识别用户做了多少次俯卧撑。做引体向上的时候也是同样的道理，BMP气压计可以检测到用户在向上拉伸和双臂完全放直的高度差，快速识别用户的拉伸动作次数。其他涉及到气压计的应用案例也非常多，例如配合GPS做高度的识别（GPS通常只有XY两个方向的识别，加上气压计可以做高度的识别），还有卡路里计算和跌倒检测，以及扫地机器人里面的堵塞检测等。
演讲结束后，来宾展现出对博世产品的极大兴趣与
转载请注明：http://www.0431gb208.com/sjszlfa/6466.html
