4 边缘 AI 应用领域：数字识别

数字识别技术是一项基础功能，在嵌入式和个人消费市场中具有广泛的应用。然而，在嵌入式系统上部署可靠的识别功能面临重大挑战：传统模板匹配方法难以应对人类手写笔迹的自然变异性。边缘 AI 的出现提供了一种颇具吸引力的设计方案，能够直接在设备本身上实现准确、实时的推理，无需依赖云端连接。基于 CPU 的推理流水线需要大量的计算资源，超出了资源受限微控制器通常可提供的处理能力。

MSPM0G5187 微控制器通过集成专用的 TinyEngine NPU 来解决这一挑战，该 NPU 旨在以极低的功耗和内存开销加速机器学习工作负载。该设计演示了将单个数字字符图像分类为 10 个类别 (0-9) 之一的功能。应用通过 UART 反向通道接收 28×28 灰度图像作为像素数据，使用片上 NPU 进行硬件加速的模型推理，并将识别出的数字类别发送回主机 GUI 进行显示。

借助片上 NPU，该数字识别系统实现了约 99% 的分类准确率，推理延迟仅为 6.05ms，同时仅占用 73KB 的闪存和 10.9KB 的 RAM，如表 5-6 所示。这些结果证明了在资源受限的微控制器上进行器件端机器学习的可行性。

表 5-5 显示了模式主要信息。