智能傳感正在徹底改變企業(yè)收集和分析數(shù)據(jù)的方式，助力其更深入地理解環(huán)境、流程乃至人類行為模式[1]。將智能技術(shù)融入傳感器系統(tǒng)，可實現(xiàn)更加精準(zhǔn)、自動化的數(shù)據(jù)采集，大幅減少全天候人工監(jiān)控的需求，讓常規(guī)流程得以更高效地自動化，從而降低運營成本，并優(yōu)化建筑系統(tǒng)、工業(yè)安全和農(nóng)業(yè)工作流程。

圖源：rawdesign/Stock.adobe.com;圖片由AI生成

典型的智能傳感器系統(tǒng)采用優(yōu)化組合的傳感元器件、信號鏈電路(如放大器)以及計算單元[如微控制器(MCU)]。然而，傳感器小型化、功能集成以及邊緣AI領(lǐng)域的新進展，正改變工程師設(shè)計智能傳感器系統(tǒng)的思路。本文將探討傳感器元器件的演變對設(shè)計流程的影響，剖析智能傳感器行業(yè)的主要發(fā)展趨勢，包括基于物聯(lián)網(wǎng)(IoT)和AI的環(huán)境感知MCU，以及應(yīng)對新型設(shè)計挑戰(zhàn)所需的專業(yè)技能變革。

現(xiàn)代傳感器是一種集成子系統(tǒng)

如今，傳感器已從笨重易損的形態(tài)演變?yōu)榫o湊型智能器件，這種變化源于兩項技術(shù)突破：

· 微機電系統(tǒng)(MEMS)技術(shù)大幅縮小了傳感器的尺寸，而MEMS制造工藝的改進則提升了其可靠性和精度[2]。

· 數(shù)字化技術(shù)擺脫了模擬傳感面臨的諸多難題，減少了獲取可靠、準(zhǔn)確的數(shù)據(jù)所需的外部信號鏈。

因此，許多現(xiàn)代傳感器已成為即插即用的解決方案，其對元器件級設(shè)計專業(yè)知識的要求不再像以往那么高。這不僅可以加速產(chǎn)品開發(fā)進程，更可以降低設(shè)計成本、減少信號鏈元器件數(shù)量并簡化校準(zhǔn)要求。

半導(dǎo)體制造技術(shù)的進步，使傳感器能夠集成省電模式、喚醒觸發(fā)器和內(nèi)置AI等功能，從而提升效率或?qū)?shù)據(jù)進行預(yù)處理。憑借這些能力，傳感器正從單純的數(shù)字數(shù)據(jù)源轉(zhuǎn)型為具備邏輯處理和自主性的模塊化子系統(tǒng)。即使增加了這些功能，現(xiàn)代傳感器仍要保持高度緊湊性，這就推動了智能設(shè)備進一步向小體積、低功耗的方向發(fā)展。

隨著傳感器內(nèi)置功能日益豐富，設(shè)計工作的重心正從元器件級工作轉(zhuǎn)向應(yīng)用級和數(shù)據(jù)級的設(shè)計。在設(shè)備日益復(fù)雜的過程中，新的挑戰(zhàn)在于確保軟件和固件保持兼容性。

低功耗傳感與環(huán)境物聯(lián)網(wǎng)的興起

傳感器體積、功耗和成本的不斷降低，是物聯(lián)網(wǎng)技術(shù)在工廠、供應(yīng)鏈、建筑和基礎(chǔ)設(shè)施領(lǐng)域廣泛應(yīng)用的關(guān)鍵驅(qū)動力。無線傳感模塊可在以往難以部署的場景中監(jiān)測多項物理變量，包括溫度、振動、壓力、氣體和運動等。

然而，無線物聯(lián)網(wǎng)傳感器通常依賴電池供電，這在維護和可擴展性方面帶來了難題。例如，一家工廠中可能要使用數(shù)千個傳感器，如果要定期更換電池或充電，不僅成本高昂、耗時費力，還要解決復(fù)雜的物流管理問題。因此，物聯(lián)網(wǎng)傳感器節(jié)點必須實現(xiàn)極低的功耗，以便能夠延長續(xù)航時間并減少維護和停機時間。對于這種超低功耗運行模式而言，功耗基準(zhǔn)測試固然至關(guān)重要，但它更多依賴的是固件中睡眠模式的優(yōu)化，而非硬件選型。

傳感器的休眠電流如今已降至微安級別，因而設(shè)計者可將其與環(huán)境物聯(lián)網(wǎng)技術(shù)相結(jié)合，這項新興技術(shù)有望讓物聯(lián)網(wǎng)設(shè)計擺脫對一次性電池的依賴。該技術(shù)通過構(gòu)建自供電的超低功耗終端節(jié)點，讓眾多無線傳感器節(jié)點僅需采集動能、射頻、熱能或環(huán)境光等微弱的可再生能源即可工作。通過運用新興的能量采集技術(shù)，設(shè)備可實現(xiàn)無電池工作，并獲得顯著效益：

· 可持續(xù)性：通過采集環(huán)境能量，可以避免使用一次性電池，這是一種契合環(huán)保與可持續(xù)發(fā)展目標(biāo)的做法，目前全球每天需要消耗約7800萬枚一次性電池[3]。

· 可擴展性：采集環(huán)境能量即可工作的傳感器無需更換電池，讓同時部署數(shù)千個傳感器成為經(jīng)濟上可行的選擇。

· 免維護工作：傳感器可安裝在難以觸及或嵌入的位置，無需持續(xù)維護。

據(jù)ABI Research預(yù)測，2030年環(huán)境物聯(lián)網(wǎng)設(shè)備出貨量將達11億臺[4]。這一增長催生了需要新型專業(yè)知識的傳感器硬件設(shè)計領(lǐng)域：

· 在嚴格的功耗限制下，選擇并運行睡眠電流處于微安級或納安級的傳感器和無線MCU

· 設(shè)計出高效的元器件互操作性方案，盡可能提升設(shè)備性能

· 掌握能量采集供電架構(gòu)，包括：

o 儲能元器件，如超級電容器或可充電電池

o 能量采集器，如光伏電池或壓電傳感器

o 電源管理集成電路(PMIC)，用于DC-DC轉(zhuǎn)換和電力分配

雖然環(huán)境物聯(lián)網(wǎng)對軟件專業(yè)知識的要求與物聯(lián)網(wǎng)開發(fā)相似，但要確保安裝的設(shè)備能夠長期運行，還需要硬件設(shè)計專業(yè)知識，然而很少有這方面的開發(fā)人員能夠駕馭如此狹窄的功耗范圍。

由于硬件功耗限制，軟件開發(fā)人員在環(huán)境物聯(lián)網(wǎng)系統(tǒng)中實現(xiàn)智能化時，往往會轉(zhuǎn)向云端來實現(xiàn)智能功能。

基于原始傳感器數(shù)據(jù)進行AI推理的價值

除了安防監(jiān)控、工業(yè)流程監(jiān)控等實時任務(wù)外，邊緣端由傳感器驅(qū)動的物聯(lián)網(wǎng)在向云端上報數(shù)據(jù)時，通常采用周期性而非連續(xù)傳輸?shù)淖龇?，這與現(xiàn)代傳感器高達千赫茲級別的采樣能力并不相稱。雖然海量數(shù)據(jù)未必都有實用價值，但常規(guī)的物聯(lián)網(wǎng)顯然不能讓這些設(shè)備的潛力充分發(fā)揮出來。

支持AI的MCU使傳感器能夠在邊緣端處理高速數(shù)據(jù)流，而非將每個數(shù)據(jù)點都發(fā)送到云端。AI充當(dāng)過濾器，將持續(xù)的數(shù)據(jù)流轉(zhuǎn)化為高價值的事件觸發(fā)器和推理結(jié)果，原始數(shù)據(jù)不需要離開設(shè)備。這種技術(shù)增強了數(shù)據(jù)安全性，使傳感器能夠獨立決策，無需始終依賴網(wǎng)絡(luò)連接。

設(shè)備端AI也在重塑智能傳感器的設(shè)計理念。借助AI，設(shè)備可以只在傳感器數(shù)據(jù)中檢測到特定模式或事件時才喚醒，而非只靠簡單的閾值來觸發(fā)喚醒。為此，工程師需要訓(xùn)練并測試AI模型，確保系統(tǒng)能夠準(zhǔn)確識別這些事件?？煽康挠|發(fā)機制往往來自多傳感器數(shù)據(jù)融合，而非孤立使用單一傳感器。這種名為“傳感器融合AI”的做法，在目標(biāo)行為需要多傳感器協(xié)同檢測時尤為有效[5]。

例如，醫(yī)生可以將可穿戴心率監(jiān)測器與加速度計和溫度傳感器結(jié)合使用，以監(jiān)測心臟病患者的狀況。通過傳感器融合AI技術(shù)，該設(shè)備能夠檢測出異常心律活動，并結(jié)合特定身體動作或體溫變化，來區(qū)分輕微發(fā)作與危及生命的嚴重發(fā)作。它將AI處理放在邊緣端執(zhí)行，僅在緊急情況下發(fā)送推理通知，使患者能夠在康復(fù)期間保持獨立生活能力，同時確保其健康數(shù)據(jù)安全無虞。

就像當(dāng)今先進的傳感器技術(shù)那樣，將AI引入邊緣設(shè)備，意味著開發(fā)人員必須掌握全新的設(shè)計與開發(fā)技能。在MCU等邊緣設(shè)備上運行AI時，開發(fā)者可借助Edge Impulse和TensorFlow Lite等工具來優(yōu)化模型，通過參數(shù)量化適應(yīng)嚴苛的內(nèi)存限制，并簡化在資源受限硬件上的部署流程。

智能傳感器開發(fā)人員的新路徑

物聯(lián)網(wǎng)傳感器技術(shù)在尺寸、功耗和AI能力方面的飛速發(fā)展，為企業(yè)和開發(fā)者社區(qū)創(chuàng)造了新的機遇。要讓智能傳感器真正落到實處，開發(fā)人員需要達到新的專業(yè)水平。在眾多應(yīng)用領(lǐng)域中，開發(fā)人員的角色正從底層硬件優(yōu)化轉(zhuǎn)向系統(tǒng)級設(shè)計和軟件工程。

智能傳感系統(tǒng)如今更注重整體集成而非單一組件，其成功關(guān)鍵在于平衡硬件、軟件與數(shù)據(jù)專業(yè)知識，同時緊跟現(xiàn)代行業(yè)趨勢。

環(huán)境物聯(lián)網(wǎng)為硬件開發(fā)人員開辟了新的天地，這就要求他們掌握低功耗設(shè)計和能量采集方面的技術(shù)。邊緣AI同樣推動著軟件開發(fā)者轉(zhuǎn)型為數(shù)據(jù)科學(xué)與模型工程專家。這些趨勢共同改變著智能傳感器系統(tǒng)的工作方式。隨著傳感器技術(shù)的持續(xù)發(fā)展，它們很可能會趨于融合。