面向智能边缘监测的毫米级超低功耗成像系统

毫米级嵌入式传感系统相比更大设备具有独特优势，因其能在源头捕获、分析、存储和传输数据，同时不引人注目且隐蔽。然而，面积受限系统带来若干挑战，包括紧张的能量与峰值功率预算、有限的数据存储、高成本的无线通信以及微型尺度的物理集成。本文提出一种新颖的6.7$\times$7$\times$5mm成像系统，具备深度学习与图像处理能力，用于智能边缘应用，并在家庭监控场景中演示。该系统通过垂直堆叠定制超低功耗（ULP）集成电路实现，并采用动态行为专用电源管理、分层事件检测以及多种数据压缩方法组合等技术。其展示了一种新型图像校正神经网络，可补偿由毫米级透镜和ULP前端引起的非理想性。该系统可存储74帧或无线卸载数据，平均功耗49.6$\mu$W，预期电池寿命为7天。