-
Gateway Edge AI · EBAZ4205 Zynq-7010 · BSF Maggot Hanama

Fermentasi terpantau,
panen lebih tepat.

Hidung elektronik untuk bioaktivator susu sapi: 8 ember dibaca sensor gas BME688, diklasifikasi oleh akselerator AI di FPGA, langsung di lokasi tanpa cloud.

Lihat status ember →Di mana Edge AI-nya?
-
Siap panen
-
Fermentasi aktif
-
Fase awal
-
Bocor, cek segel
Status ember

Kondisi setiap ember,
diperbarui tiap inferensi.

Garis tebal = resistansi gas sensor dalam (headspace), putus-putus = sensor luar untuk deteksi bocor. Status berganti setelah 2 inferensi berturut-turut sama.

Edge AI

Di mana Edge AI-nya?
Di FPGA, bukan di cloud.

Jaringan saraf INT8 dijalankan oleh Local Inference IP-Core yang dirancang sendiri dalam Verilog dan ditanam di programmable logic (PL) Zynq-7010. ARM hanya menyiapkan data dan menyajikan halaman ini.

BME688 × 2 dalam + luar ember10 langkah heater+ suhu, RH, tekanan Node ESP32-S3 per emberkendali exhaust lokalkirim 26 fitur PS · ARM Cortex-A9 666,7 MHz • broker MQTT ringan (port 1883)• fitur tren 6 scan + kuantisasi INT8• server web (halaman ini)• status balik ke node via MQTT PL · Local Inference IP-Core FCLK0 50 MHz · Verilog sendiri · jalur ke ASIC MLP INT8 26 → 16 → 44 MAC INT8 per siklus, pipeline 3 tahap 8 ember per perintah START1.800 siklus = 36 µs EDGE AI ADA DI SINI I²CMQTTfitur INT8kelas AXI-Lite Tidak ada data yang keluar ke internet: klasifikasi fase (awal, aktif, selesai) dan deteksi bocor terjadi di gateway. Data sensor dikirim node ESP32 lewat MQTT, lalu diklasifikasi IP-Core di FPGA.
Latensi inferensi IP-Core
- µs
8 ember per perintah, register CYCLES
Siklus clock per inferensi
-
-
Panggilan ARM → IP → ARM
- µs
tulis input, START, baca hasil
Inferensi sejak menyala
-
-

Model AI yang berjalan di FPGA

Multilayer Perceptron (jaringan saraf) INT8

-

Arsitektur
-
Input
-
Bobot + bias
-
Operasi per ember
-
Presisi
INT8 × INT8 → INT32
Aktivasi
ReLU + argmax

Kenapa MLP, bukan XGBoost?

uji pada 40 batch fermentasi 72 jam (2.880 scan) di luar data latih
Fitur inputModelAkurasiTransisi faseUkuran
per scan (26)MLP INT893,1 %74,6 %560 B
per scan (26)XGBoost93,8 %74,2 %43 KB
jendela waktu (32)MLP INT8 · FPGA97,3 %90,5 %656 B
jendela waktu (32)XGBoost97,6 %90,3 %39 KB
  • Konteks deret waktu yang membuat akurasi naik (93 → 97 %, transisi 75 → 90 %), bukan algoritmanya.
  • XGBoost hanya unggul 0,3–0,7 poin, tapi modelnya ±60× lebih besar dan strukturnya (pohon) berubah tiap latih ulang.
  • MLP = perkalian-tambah tetap: cocok untuk pipeline MAC di FPGA/ASIC, latensi deterministik, ganti model cukup tulis bobot baru.
Statistik perangkat

Clock, suhu, daya,
dan sumber daya FPGA.

-

Clock

-
ARM Cortex-A9 (PS)prosesor aplikasi, 2 core
-
DDR3 MT41K128M16256 MB, bus 16-bit
-
PL FCLK0 → IP-Core + AXIclock logika FPGA
-
Kristal PS_CLKreferensi semua PLL
-

Suhu & tegangan

XADC on-chip Zynq
-
-
VCCINT (PL)
-
VCCAUX
-
VCCPINT (PS)
-
VCCPAUX
-
VCC DDR
-
Uptime
-

Daya & sumber daya

estimasi Vivado 2019.1 (bukan alat ukur)
IP-Core, daya dinamis@ 50 MHz, estimasi Vivado
±16 mW
Energi per inferensi8 ember, ±105 nJ per ember
0,84 µJ
Total on-chip Zynqdidominasi PS + DDR
1,42 W
LUT IP-Core983 / 17.600
5,6 %
BRAM · DSP2,5 / 60 · 2 / 80
4,2 %
Akurasi & latensi

Seberapa tepat,
seberapa cepat.

Akurasi sensor dari spesifikasi pabrik, akurasi model dari uji di luar data latih, dan latensi IoT yang diukur langsung oleh gateway antara node ESP32 dan FPGA.

Akurasi sensor BME688

DFRobot Fermion SEN0629 · spesifikasi pabrik
Suhurentang −40 s.d. 85 °C
±0,5 °C (0–65 °C)
Kelembapanrentang 0–100 %RH
±3 %RH (20–80 %RH, 25 °C)
Tekananrentang 300–1100 hPa
±0,6 hPa (0–65 °C)
Gas VOCtidak ada angka akurasi dari pabrik; dipakai sebagai sidik jari 10 langkah heater untuk model AI
–

Akurasi model AI

MLP INT8 di Local Inference IP-Core
93,1 %
uji 40 batch fermentasi 72 jam
(2.880 scan sintetis, di luar data latih)
Awal
88,2 %
Aktif
96,3 %
Selesai
86,1 %
Bocor
96,8 %
Uji konsistensi jalur FPGAprediksi IP-Core vs fase sebenarnya, ember simulasi
-

Latensi IoT node ↔ gateway

-
RTT jaringan (ping)gateway → IP node, Wi-Fi + LAN
-
RTT MQTT (ping/pong)gateway → broker → node → gateway
-
Data diterima → status FPGAtunggu siklus inferensi + kirim balik
-
Interval kirim nodetarget 10 detik per scan
-
Inferensi IP-Core8 ember sekaligus di FPGA
-
Angka besar = rata-rata, angka kecil = p95, dari ±60 sampel terakhir.
Layar & Wi-Fi

LCD gateway: scan,
sambung, buka dashboard.

LCD 1,3″ di expansion board bergantian menampilkan QR Wi-Fi, QR alamat dashboard, dan status 8 ember. Isi SSID dan password router di bawah supaya HP bisa langsung tersambung dengan scan.

Wi-Fi untuk QR di LCD

-

Halaman LCD & tombol

expansion board EBAZ4205
  1. Sambung Wi-Fi: QR join Wi-Fi dari pengaturan di samping.
  2. Buka dashboard: QR http://IP-gateway/ dan IP dalam huruf besar.
  3. Status 8 ember: tampil otomatis saat ada bocor.
  4. Tombol ◀ ▶ ganti halaman, ENTER bisukan alarm 10 menit.
  5. Buzzer: 2 nada saat boot, beep tiap 3 detik saat ada ember bocor.
Riwayat

Tren 48 jam terakhir.

Resistansi gas BME688 pada langkah heater 5 (skala log). Resistansi turun saat konsentrasi VOC fermentasi naik.

Log perubahan status

terbaru di atas