ZHDA204 June   2026 MSPM0G5187

 

  1.   1
  2.   摘要
  3.   商标
  4. 1简介
  5. 2带 TinyEngine NPU 的 MSPM0G5187
  6. 3边缘 AI 工具链
    1. 3.1 TI Edge AI Studio
    2. 3.2 TI Tiny ML Tensorlab
    3. 3.3 TI 神经网络编译器
  7. 4边缘 AI 应用领域：数字识别
    1. 4.1 LeNet-5 变体 CNN 模型
    2. 4.2 NPU/CPU 性能比较
  8. 5边缘 AI 应用领域：波形分类器
    1. 5.1 特征提取
    2. 5.2 时序分类模型
    3. 5.3 模型内存注意事项
    4. 5.4 NPU/CPU 性能比较
  9. 6总结
  10. 7参考资料

6 总结

本应用手册全面介绍了基于 MSPM0G5187 微控制器的边缘 AI 解决方案，涵盖硬件特性、软件工具链以及代表性应用示例。

通过两个应用验证了该平台的功能：数字识别方案实现了约 99% 的分类准确率，且硬件 NPU 相比基于 CPU 的实现，推理延迟降低 15 倍，能效提升 93%；波形分类器实现了 100% 的分类准确率，NPU 推理延迟降低 8 倍，能效提升 91%。

这些结果证实，搭载集成式 TinyEngine NPU 的 MSPM0G5187 是面向资源受限嵌入式器件高效部署 AI 的极具吸引力的平台。