NordicのIoT Axon NPU( NRF54LM20 )開発キットの分類デモ(パート4)(Zephyr Linuxセットアップ)

これは、Nordicの受賞歴のある新しいIoT開発キット NRF54LM20-DK のパート4です。NRF54LM20-DK Nordic Semiconductor ASA | 開発ボード、キット、プログラマ | DigiKey

この分類デモを適切に設定するには、以前の記事のパート2パート3を参照してください。このAXON NPU分類デモは、荷物の配送状態を識別するマルチクラス分類モデルです。

  • 静止状態(Idle)
  • 揺れ状態(Shaking)
  • 衝撃状態(Impact)
  • 自由落下状態(Free Fall) 従来型のパラシュートリリースシステムのアプローチについては、この以前の記事を参照してください。
  • 運搬中(Carrying)
  • 車両輸送中(In Car)
  • 設置状態(Placed)

これらの分類モデルは、荷物の配送プロセスにおける加速度の大きさのサンプル列をもとに分類されます。このアプリケーションに関連する潜在的なメリットは以下のとおりです。

  • 輸送中の乱雑な取り扱いや潜在的な損傷の検出
  • 配送品質や物流状況の監視
  • 荷物が衝撃を受けたり自由落下した場合の警告
  • 配送プロセス全体にわたる荷物の状態遷移の追跡

ここでは、休止状態を意味する「静止状態」について簡単に説明します(その他の状態は必要に応じて定義されます)。しかし、この記事では割愛します。

「静止状態」の特徴

  • 加速度値は約1000mG(重力加速度の基準値)付近に集中
  • 連続するサンプル間の変動が最小(安定、静止状態)
  • 顕著なスパイクや急激な加速度変化なし
  • 荷物が(棚・机・地面・停止中のトラック)などに留め置きされた状態を表す

ユースケース

  • 倉庫に保管されている出荷待ちの荷物
  • 停車中の配送トラックに積載されている荷物
  • 顧客の配達場所に置かれた荷物
  • 棚やテーブルに置かれた荷物

これらのデータ特性は、以下の代表的なグラフに示すように、ノイズが最小の安定したベースラインを示しており、非相対論的ニュートン力学による単純重力場に典型的です。

この荷物の配送分類デモをコンパイルするには、以下の手順に従ってください。

~/DigiKey_Coffee_Cup/Nordic/$ source venv/bin/activate

次に、必要なシェルを開きます。

(venv)~/DigiKey_Coffee_Cup/Nordic/$ nrfutil sdk-manager toolchain launch --ncs-version v3.3.0-preview2 --shell

Initializing shell environment!

(v3.3.0-preview2)

次に、アプリケーションのビルドに進みます。

(v3.3.0-preview2) ~/DigiKey_Coffee_Cup/Nordic/$ west build -p always -b nrf54lm20dk/nrf54lm20b/cpuapp edge-ai/samples/nrf_edgeai/classification/

...
[260/260] Linking C executable zephyr/zephyr.elf
Memory region         Used Size  Region Size  %age Used
           FLASH:       56416 B      1940 KB      2.84%
             RAM:        8720 B       511 KB      1.67%
        IDT_LIST:          0 GB        32 KB      0.00%
...

最後に、以下のように、USB ケーブルをNordic Semiconductorの受賞歴のある新しいIoT開発用キット NRF54LM20-DK に接続します。
NRF54LM20-DK Nordic Semiconductor ASA | 開発ボード、キット、プログラマ | DigiKey

minicomターミナルを開き、アプリケーションを書き込んでください。

(v3.3.0-preview2) ~/DigiKey_Coffee_Cup/Nordic/$ west flash

minicomターミナルには、Axon NPUの分類デモの出力が表示されます。

このデモでは、ニューラルネットワークを初期化し、すべての荷物状態を網羅する7つの代表的なテストケースに対して「推論」を実行し、分類精度を検証します。50サンプルからなる加速度データのウィンドウが処理されるたびに、モデルは各分類の予測と確率を出力します。モデルは、予測を行うために各ウィンドウ以外の追加の情報を必要としません。各ウィンドウの予測クラスは、最も高い信頼度確率を持つものになります。

これで、この革新的な NordicのIoT プラットフォーム上で、Axon NPUドライバを直接使用して、新しい Axonニューラルプロセッシングユニット(NPU)の荷物の分類デモが完了しました。このシリーズの次回の記事にご期待ください。Embedded World 2026で受賞したこの新しいNordic IoT NRF54LM20-DK 開発キットはDigiKeyで入手可能です。

どうぞ素晴らしい一日を!

この記事はスペイン語でこちらからご覧いただけます。

Este artículo está disponible en español aquí.




オリジナル・ソース(English)