Edge AI na STM32

EN/CZ

Edge AI na STM32: klasifikace kvality EKG signálu

Vyvinuli jsme inteligentní systém pro kontrolu kvality EKG signálu, který běží zcela na mikrokontroléru STM32L452REI. Využívá kompaktní konvoluční neuronovou síť optimalizovanou pro celočíselnou reprezentaci INT8 a v reálném čase vyhodnocuje, zda je daný úsek EKG dostatečně kvalitní pro další zpracování, nebo zda obsahuje nadměrný šum. Kvalitní signály jsou uchovány, zatímco nekvalitní data jsou odfiltrována přímo u zdroje. Celá AI inference trvá na nízkopříkonovém mikrokontroléru řady STM32L pouhých 108 ms, bez potřeby cloudových služeb, externího procesoru nebo připojení k internetu. Výsledkem je rychlé, energeticky úsporné a soukromí respektující edge AI řešení pro nositelná a přenosná zařízení určená k monitorování EKG.

Kategorie:

AI / ML

Odvětví:

Wearables / Embedded AI

Klient:

Internal R&D / Product Development

Rok:

2025

Co je Edge AI?

Edge AI znamená provádět klasifikaci a analýzu přímo na embedded hardwaru namísto v cloudu. U nositelných EKG zařízení umožňuje lokální posouzení kvality signálu odmítnout nekvalitní měření ještě před jejich uložením nebo odesláním. Tím se snižuje latence, omezuje přenos dat a předchází se odesílání syrových, citlivých biosignálů externím službám. Tento projekt uvedený přístup demonstruje na STM32 mikrokontroléru s omezenými zdroji.

Výzva

EKG data z nositelných zařízení jsou často degradována pohybem, problémy s kontaktem a svalovým rušením. Mnoho kompaktních zařízení signál zaznamenává nebo přenáší, aniž by lokálně vyhodnocovalo jeho kvalitu, takže nekvalitní úseky se bez kontroly dostanou do navazující analýzy. To může snižovat důvěru ve výsledky a zvyšovat potřebu ruční kontroly. Ani cloudové zpracování není vždy praktické, kvůli latenci, konektivitě, spotřebě, soukromí a regulatorním omezením.

Naše řešení

Vytrénovali jsme lehkou neuronovou síť na veřejném EKG datasetu (Kaggle, ~10 000 vzorků), augmentovaném pro simulaci odpojení elektrody, pohybových artefaktů a EMG rušení. Model byl kvantizován do INT8 a nasazen přes TensorFlow Lite Micro na STM32L452REI, kompaktní, energeticky úsporný MCU. Implementace rozlišuje dvě samostatná časování: jedna inference trvá 108 ms, zatímco klasifikace je v tomto prototypu plánována každou 1 sekundu jako nastavená frekvence vyhodnocování. Zařízení funguje plně offline a nepotřebuje žádné internetové ani cloudové připojení.

Přehled implementace

Vzorkovací frekvence

500 SPS

Dataset

~10 000 EKG vzorků (90/10 split)

Model

Lehká INT8 neuronová síť

Nasazení

TensorFlow Lite Micro na STM32

Doba inference

108 ms na klasifikaci

Frekvence vyhodnocování

Každou 1 sekundu

Cílové MCU

STM32L452REI

Klíčové výsledky

99,6 % Validační přesnost

96,9 % Přesnost živého prototypu

108 ms Doba inference na okno

Klíčové funkce

Klasifikace kvality EKG přímo na zařízení: Posouzení kvality signálu běží zcela na STM32L452REI, bez cloudu nebo sítě v rozhodovacím procesu.
INT8 kvantizovaný model: Lehká neuronová síť nasazená přes TensorFlow Lite Micro, dimenzovaná tak, aby se vešla do MCU s omezenými zdroji.
Definovaný model časování: Jedna inference se dokončí za 108 ms, klasifikace je v tomto prototypu plánována každou 1 sekundu.
Lokální zpracování šetrné k soukromí: Vhodné pro případy citlivé na soukromí a s omezenou konektivitou, kde by syrové biosignály neměly opouštět zařízení.
Architektura pro nositelná zařízení: Praktické řešení pro nízkopříkonové nositelné prototypy postavené na hardwaru třídy MCU.

Co tím získáte

Včasné odmítnutí nekvalitních úseků

Odmítnout nekvalitní úseky EKG ještě před uložením nebo odesláním dat.

Menší závislost na cloudu

Snížit závislost na cloudu a přenos syrových dat.

Soukromí už v návrhu

Zvýšit soukromí lokálním zpracováním citlivých biosignálů.

Spolehlivější měření

Zlepšit spolehlivost nositelných měření při pohybu.

AI na hardwaru třídy MCU

Přidat AI klasifikaci do MCU produktů bez přechodu na Linux-class hardware.

Znovupoužitelný základ

Použít prototyp jako základ pro další biosignální nebo průmyslové senzorové aplikace.

Technologie

STM32L452REI
TensorFlow
TensorFlow Lite Micro
INT8 Quantization
C
Python
ECG / Biosignals

Výsledky

Projekt ukazuje, že klasifikace kvality EKG signálu může běžet přímo na nízkopříkonovém STM32 mikrokontroléru bez závislosti na cloudu. Kombinace augmentace dat, INT8 kvantizace a nasazení přes TensorFlow Lite Micro vytváří praktický základ pro přidání lokální AI logiky do nositelných a senzorových produktů, kde je důležité soukromí, latence a konektivita. Uvedené výsledky jsou hodnoty z prototypu / R&D, nikoliv klinicky validovaný zdravotnický produkt.

Následující projekt

KeySight AI inspekce kvality produktů

Pojďme spolupracovat

Hledáte technického partnera pro váš projekt?

Specializujeme se na firmware, edge AI a průmyslovou vizuální inspekci. Projdeme si spolu váš projekt a navrhneme konkrétní řešení na míru.

Domluvit konzultaci Naše projekty