Search
#穿戴式醫療感測在高齡健康醫療市場的應用
#期待腦波控制在智慧家庭場域的加入
穿戴式醫療感測器已有四肢運動、心跳血壓體溫偵測產品，並被用在治療保健甚至休閒娛樂等商業用途，2020年代的新方向，就是人類思維中樞兼多種器官的總控制系統─腦子。
要想知道腦子怎麼運作可透過三種方式：視覺化(X光、MRI)、電磁感應腦波、測量血管血流狀態。
fNIRS以能穿透皮膚的近紅外線測量腦部血管血流，血流量大血流快則腦部活動頻繁，反之則象徵心情放鬆甚至想睡，一方面用在老人癡呆治療、教育成果分析，同時也能推測消費者是否對服務滿意與夠放鬆。
但比起血流偵測，一般認為腦波感測更精確且用途更廣，期待腦波控制的商業化儘速到來，在消費端的 #智慧家庭 與 #智慧照顧 的場域，可以有越來越廣泛的應用。
腦部活動感測器穿戴化 跨入醫療消費市場
https://lnkd.in/gr3qJk4
---
www.smarthomelab.tw #智慧家庭實驗室
#腦波控制 #智慧穿戴
5G 毫米波應用提供長距離無線充電機會，研究團隊提出原型產品
作者 Atkinson | 發布日期 2021 年 03 月 30 日 9:00
智慧型手機功能越來越強大，電源消耗也越來越快，讓各項充電技術紛紛浮上檯面。最新就是在無線充電發展。現階段無線充電仍依賴充電盤，與真正無線充電有很大差別，無法滿足市場需求，使長距離無線充電功能持續開發。日前有研究團隊發表，透過 5G 毫米波，已可長距離無線充電，一旦商品化，將對智慧型手機應用有突破性發展。
外電報導，美國喬治亞理工學院研究團隊剛宣布發明了全球第一個利用 3D 列印整流天線，大小如同撲克牌，可由 5G 毫米波訊號收取電磁波，轉成電能幫手機設備充電的裝置，讓整個 5G 網路成為廣大的無線充電系統。
過去有許多研究都試圖擷取無線電波，將電磁波轉換成電能，包括電視、廣播等電波，以及 Wi-Fi 系統。事實證明部分應用於實驗室能為手持裝置提供最高 30% 充電功能。5G 網路廣布後，的確為長距離無線充電提供契機。據喬治亞理工學院研究團隊於《科學》期刊論文指出，5G 網路是為提供低延遲及大頻寬設計，使用 5G 毫米波頻段時可提供前所未有的高輻射功率密度，讓 5G 網路能提供長距離無線充電要大過任何系統。
只是要收集 5G 毫米波的電磁波，需要龐大的整流天線裝置，並不適合手持裝置。研究團隊採用叫做 Rotman 透鏡的方式，放在天線中央位置，形狀像星星，易於從各角度收集電磁波，集合成束狀波形，增加擷取能力。天線可用 3D 列印，且可彎曲，可各角度擷取電波，效能較對照組強 21 倍。雖說從 5G 毫米波擷取電波的效能稱不上非常強大，但實驗結果顯示，天線能擷取到 6 微瓦電力，足以提供小型感測器或 IoT 裝置驅動電力。
研究團隊表示，現階段 5G 網路積極布建，未來 5G 應用將無所不在，尤其都市地區，成千上萬 IoT 系統將依賴 5G 網路運行。透過長距離無線充電，可免除更換大量設備電池的問題，甚至未來產品更進一步改良強化，手持設備的耗電問題也不再是重點，廠商能有更大發展空間，成為未來 5G 時代另一項巨大商機。
影片：https://youtu.be/sNuFU3H5GR0
資料來源：https://technews.tw/2021/03/30/5g-millimeter-wave-applications-provide-long-distance-wireless-charging-opportunities/?fbclid=IwAR1erRDpT5864nz_0dmaZ7WMdMTFRV_i-ZFNFouxzARl95UZRs8nJiNgSGY
AI強勢來襲 物聯終端運算需求急遽增溫
2021-03-10 11:55 聯合新聞網 / CTimes零組件
【作者： 王岫晨】
物聯網正帶動人工智慧走向終端裝置，在後疫情時代，企業對物聯網 AI 的投資與布局動作頻頻。Arm 主任應用工程師張維良指出，我們可以很明顯看到四大趨勢如下：
新冠疫情加速 AI 部署
根據 Arm 於 2020 年 8 月與<<麻省理工學院科技評論洞察（MIT Technology Review）>>合作、針對來自 12 個不同產業的 301 位 C Level 的科技專業人士進行的訪談報告顯示，超過 62% 的受訪者表示，他們正在投資並使用 AI 技術。來自大型企業組織（年營收超過 5 億美元）受訪者的部署率較高，接近 80%。較小型的企業組織（營收低於 500 萬美元）的部署率則為 58%。1/3 的受訪者表示，2020 年新冠疫情的爆發加速了他們在 AI 策略上的部署。
企業組織正在提高對 AI 的投資
超過一半（57%）的受訪者看到他們的 AI 預算在過去三年內提升，且接近四分之一的人表示，他們在 2016 年到 2019 年間，年度 AI 支出最少增加一倍。其中，大型企業在 AI 支出的增加更多，73% 來自年營收超過 5 億美元的企業組織受訪者的預算都有增加，有近三分之一的受訪者預算甚至提升超過 100%。這些投資加碼反映 AI 對企業營運持續成長且普遍的影響。
超過半數企業將 AI 部署在終端裝置或邊緣運算
儘管對於已經使用 AI 的企業組織，雲端運算是他們最喜歡的基礎架構，不過在越來越需要極低延遲的數據存取，以及終端/邊緣處理能力的應用上，為了兼顧成本效益及運算效率，越來越多應用將往數據產生的來源靠近，邊緣運算或是將資源擺在更靠進存取它們的裝置的地方，相關的部署將急起直追。
對應軟硬體攻擊與保護個資/隱私的需求
AI 對幾乎所有商業與社會活動層面的衝擊持續擴大，讓企業領袖必須正視 AI 能否在負責任的規範下使用。消費者一方面對於交易與運作流程中藉助 AI 的接受度越來越高，但也期待企業能在公平的、高道德標準，並能顧及永續發展的條件下使用這項技術，特別在個資的搜集。因此在邊緣運算上，也衍生出對應軟硬體攻擊以及保護隱私等運算能力的強烈需求。
物聯網 AI 應用將聚焦於「3V」
根據 Arm 與 Strategy Analytics 合作的報告顯示，多數的物聯網應用聚焦在一些特定的領域：基本控制（開/關）、測量（狀態、溫度、流量、噪音與震動、濕度等）、資產的狀況（所在地點以及狀況如何？），以及安全性功能、自動化、預測性維護以及遠端遙控，可參考圖一。
而終端 AI 可以在三個核心領域提供價值，而它觸及的許多物聯網領域，遍及 B2B 與 B2C（企業對消費者）的應用：震動（Vibration），語音（Voice）與視覺（Vision）。
震動
包含來自多種感測器數據的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。它可將智能帶進 MCU 中的終端 AI 的進展，產生不同應用領域，包括溫、濕度、壓力檢測、物理檢測（如滑倒偵測）、物質偵測（如漏水、漏氣）、磁通量偵測與電場偵測等等。運用震動分析的預測性維護（PdM），在旋轉型機器密集的製造工廠裡相當常見，可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。此外，磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。
語音
語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其它新的電器。在工業環境中，供車床、銑床與磨床等電腦數值控制（CNC）機器使用的電腦語音引擎正在興起。語音整合在車輛中也相當關鍵，因為語音有潛力成為最安全的輸入模式。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。其他車用的應用包括語音輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道，甚至拋錨服務與禮賓服務等。
視覺
終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其它實例包括農業應用，例如依據大小與品質為農產品分級。曳引機裝上機器視覺攝影機後可即時檢測出雜草、分類其種類、分析其對農穫的威脅、進而客製化除草解決方案。在工業上，包括利用熱顯影來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化，觸發排程系統，自動採取適當的行動來預防零件故障。
推動物聯網運算需求
隨著物聯網與 AI 的進展以及 5G 的推出，更多的終端智能意謂小型且成本敏感的裝置，會愈來愈有聰明、功能也愈來愈強，同時因為對雲端與網際網路的依賴較小，也將具備更高的隱私性與可靠度。因此，Arm對於MCU核心，也 透過新的設計為微處理器帶來智能，降低半導體與開發成本，同時為想要有效提升終端數位訊號處理（DSP）與機器學習能力（ML）的產品製造商，加快他們產品上市的速度。
TinyML
微型機器學習（TinyML）的崛起，已經催化嵌入式系統與機器學習結合。它捨棄在雲端上運行複雜的機器學習模型，過程包含在終端裝置內與微控制器上運行經過優化的圖型識別模型，耗電量只有數毫瓦特。受惠於 TinyML，微控制器搭配 AI 已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識（例如，自然語言處理）、影像處理（例如物件辨識與識別），以及動作（例如震動、溫度波動等）。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。
簡化程式碼的轉移性
把AI函式庫整合進 MCU，將本地的 AI 訓練與分析能力插入程式碼中是可能的。這讓開發人員依據從感測器、麥克風與其它終端嵌入式裝置取得的訊號，導出數據的型樣，然後從中建立模型。Arm Cortex-M55 處理器與 Ethos U55 微神經處理器（microNPU），利用像 CMSIS-DSP 與 CMSIS-NN 等常見API來簡化程式碼的轉移性，讓 MCU 與共同處理器緊密耦合以加速 AI 功能。透過推論工具把 AI 功能放在低成本的 MCU 上實作，並符合嵌入式設計需求，如此一來，有 AI 功能的 MCU 就有機會在各種物聯網應用中，讓裝置的設計改觀。
附圖：圖一 : 多數的物聯網應用聚焦在一些特定的領域。
圖二 : 不同應用對於機器學習的採用比起以往更盛。圖為Arm運算方案的對應圖。
資料來源：https://udn.com/news/story/6903/5307140?fbclid=IwAR2eJEJFLD1DFifJHQNbTkWEAjQSKBk3UFlM3whrk9T69h9tNXIw3geMQ8U
磁感測器應用 在 Arduino感測器數位輸入 霍爾磁性(字幕) - YouTube 的推薦與評價
本影片由花蓮教育處網路中心提供. ... <看更多>