作者
Monica Cid
Mónica Cid在大众市场营销部门有3年工作经验,专注于工业及消费电子处理器和微控制器的开发演进。她目前在墨西哥哈利斯科州瓜达拉哈拉办公。

2025年恩智浦FRDM i.MX 93开发板设计大赛获奖名单今日正式揭晓!来自全球的开发人员和工程师们展现了非凡的创造力、创新精神和技术专长,将FRDM i.MX 93平台转化为应对现实世界挑战的解决方案。
大赛鼓励参赛者“设计突破边界”(Design Beyond Boundaries),充分利用恩智浦强大的边缘计算平台实现创意。大赛创意征集于7月15日截止,我们收到了大量参赛方案。经评审,我们遴选出了一批入围者,并在7月16日至8月15日期间向他们寄送了FRDM i.MX 93开发板。入围者随后进入开发阶段,需在10月15日前完成作品。最终获奖名单于10月30日正式公布。
为您的下一个项目订购FRDM i.MX开发板。
FRDM i.MX 93开发板基于恩智浦i.MX 93应用处理器构建,适用于广泛的边缘计算应用。该开发板采用异构多核架构,包含一个高能效的Arm Cortex-A55内核、一个Cortex-M33内核以及一个用于设备端AI处理的Arm Ethos-U65 microNPU。
此外,该平台配备了一个40引脚扩展接头,并集成了板载IW612模块,具有恩智浦的三频解决方案,支持Wi-Fi 6+Bluetooth 5.4+802.15.4连接器,可用于Wi-Fi/蓝牙附加组件,同时还集成了SWD调试器。这些特性使得FRDM i.MX 93开发板能够为从工业自动化到智能家居设备等智能边缘应用提供所需的性能和灵活性。
Pablo创建了一个太阳能供电的环境监测节点,利用神经网络检测非法伐木、偷猎和潜在森林火灾。该系统使用在log-mel频谱图上训练的紧凑型CNN分析3秒音频窗口,在检测电锯使用方面实现了约94%的准确率。
其技术实现令人印象深刻。Pablo在Google Colab的Tesla T4 GPU上使用TensorFlow/Keras对模型进行了训练。然后,他将模型导出为TFLite INT8量化模型,并使用Vela对板的NPU进行编译。实时处理流程包括捕获音频、提取log-mel特征、运行推理以及发送去抖动警报,所有这些操作都在太阳能和电池备用电源的支持下进行。
展望未来,Pablo计划扩展该系统以检测包括车辆、枪声和火灾在内的多种威胁特征,同时利用低功耗无线连接发送保护隐私的事件警报,而非原始音频流。
Pietro开发了一套智能室内气候控制系统,将环境传感与嵌入式AI相结合,实现自动化空气质量管理。该系统根据温度、湿度、气压和气体电阻读数计算自适应空气质量指数。
该模型由PyTorch训练,后转换为TensorFlow Lite,并使用恩智浦的eIQ®工具包进行量化,最终优化至约100KB大小,在i.MX 93的NPU上每次推理延迟低于10毫秒。这个多头神经网络架构能自主控制3个系统:窗户(开/关)、新风换气系统VMC (关/低/高)和空调(制冷/关闭/制热)。
Pietro还创建了一个基于Flask的Web仪表板,用于显示实时传感器数据、AI决策以及3天的天气预报。通过集成来自WeatherAPI.com的外部天气数据,该系统能够对比室内外环境状况,所有处理均在设备本地完成,以保障隐私和提高效率。
Mihai构建了一个用于小型光伏装置的紧凑型能源监测系统,用于追踪能耗。该系统通过I²C LPI2C4总线连接电流和电压传感器。
该系统在M33内核上以裸机方式运行,代码使用C语言编写并通过ARMGCC进行编译。此设置以1Hz的频率读取传感器数据,计算电池的荷电状态,并在达到设定的功耗阈值时(逆变器为12V/5A,辅助输出为5V/3A)生成智能警报。该方案实际监测一个由100W太阳能板、MPPT充电器和12V/55Ah电池组成的系统。
Mihai对该设计的未来计划包括:通过SPI添加电子墨水屏显示、创建与现有智能家居系统的MQTT集成,以及扩大太阳能电池阵列,使监测系统实现完全自供电。
祝贺Pablo、Pietro和Mihai取得的杰出成就,同时感谢所有展示了边缘计算无限可能的参赛者们!
如需了解更多关于FRDM i.MX 93平台的信息并启动您自己的项目,请访问恩智浦官网。详细探索获奖项目: Pablo的森林卫士、Pietro的智能家居系统和Mihai的太阳能监测器。