i.MX RT主场演出，美女总监率众大咖倾情客串(下)

NXP管管

今天本站长向各位展示一下这个系列视频中的最后三个i.MX RT的应用示例。

i.MX RT实现科大讯飞语音识别算法

近来基于语音识别的应用，快速地渗透到智能家电中，由于i.MX RT的强大性能，使得这样的应用的成本大幅降低。


这个演示基于i.MX RT1060的科大讯飞语音识别方案。该方案实现离线的唤醒词识别，和适应应用场景的命令字识别。


方案集成了回声消除、噪声抑制、唤醒词识别以及基于空调应用场景的完整45个命令字识别，可以控制空调的温度、风速、播报音量、人声模式选择（男生/女声）模式等。


凭借RT1060强大的主频以及架构，即使程序运行在片外FLASH，CPU的平均负载也仅在40%左右。


经实际测试，较为安静的家庭环境中，使用正常音量控制距离可以达到5米远。

i.MX RT的机械臂色块跟踪演示

这个视频演示了i.MX RT的机械臂色块跟踪，这个系统由三个部分组成：


第一部分是基于i.MX RT1060的可编程智能机器视觉模块


第二部分是三轴机械臂机构，由三个带磁编码器的步进电机组成


第三部分是基于i.MX RT1050的电机驱动板，同时可以支持四个步进电机。



机械臂可以从任意位置启动，根据磁编码器的读出值可以换算出机械臂的姿态和位置，再根据视频模块的判断指示，按指定的角度和距离移动。

i.MX RT运行现代大型神经网络

这个视频演示了基于i.MX RT1050上运行现代大型深度神经网络。


所谓大型的深度神经网络，它们通常有很多层，并且连接方式较为丰富。比如用于人脸识别的MobileFaceNet，它有100多层深，约一百万个参数，包含串联连接和残差连接。在16位整数乘加性能为1.2GOps的i.MX RT上，使用高性能的CMSIS-NN神经网络库，模型运行一次耗时约300毫秒，这已是目前Cortex-M核MCU的最高水平。完全能胜任对于实时性要求不苛刻的较大规模深度学习应用。


当然，对于识别非图像数据的应用，比如语音口令，运动姿势、机械零件异常检测等，i.MX RT就更加游刃有余了。



我们还在i.MX RT1050上部署了TensorFlow-lite模型的支持引擎，并使用它运行了能分类1000种物体的模型，并实现了一秒内分类100种物体的模型。





作者：加油站站长   文章出处：恩智浦MCU加油站

阅读全文