[企业命题]Synopsys新思科技：人工智能物联网/AIoT

cczs39302b

赛题一：人工智能物联网/AIoT

万物互联与人工智能的时代均已经到来，人工智能与物联网相互结合，正逐步融入并改变我们的日常生活。本赛题要求基于Synopsys ARC处理器，通过相关传感器（如麦克风、摄像头、9轴运动传感器等）采集数据，并采用机器学习的算法实现检测与识别，解决实际生活中的问题。
例如：
1. 人机交互：降噪、语音识别、声乐识别、面部行为（如瞌睡、苏醒）识别等。
2. 个人健康：运动检测、情境识别、早期疾病预测、健康监测等。
3. 工业检测：多传感器数据融合、行为预测、声学故障检测等。
可应用的领域包括智能家居、智慧城市、可穿戴设备、智能驾驶、智能控制、工业互联网等。 智能控制可以使用ARC DSP/XY Memory对边缘端数据处理算法或运动控制算法进行加速，如电机的闭环控制等。

建议使用软硬件平台：
1. ARC IoTDK, ARC EMSK或其它ARC 硬件开发板。
2. Zephyr, embARC OSP或其它软件平台等。
3. 使用TensorFlow Lite for Microcontrollers (TFLM)进行机器学习模型部署。
4. ARC Machine Learning Inference (MLI1.1) 软件库。


赛题二：物联网与系统安全/IoT & Security

基于Synopsys ARC EM安全处理器，利用其SecureShield功能，构建一个可信执行环境（Trusted Execution Environments  - TEE），并在物联网环境加以应用。
https://foss-for-synopsys-dwc-arc-processors.github.io/embarc_osp/doc/build/html/lib/secureshield.html

建议使用软硬件平台：
1. ARC EMSK硬件开发板（EMSK v2.3 EM7D处理器内核）。
2. Zephyr, embARC OSP软件平台任选其一。
软硬件平台：
1、ARC IoT Development Kit 开发板（IoTDK，基于ARC EM9D处理器）
2、ARC EM Start Kit开发板（EMSK，基于ARC EM7D/EM9D/EM11D处理器 ）
3、Zephyr, embARC OSP或其它开源软件平台
4、TensorFlow Lite for Microcontrollers (TFLM)
5、ARC Machine Leaning Inference (MLI1.1) 软件库

相关链接：

• embARC网站入口：https://embarc.org
• 硬件单板：https://embarc.org/projects/development-systems/
• Zephyr软件平台：https://github.com/foss-for-synopsys-dwc-arc-processors/zephyr
• embARC OSP软件平台：
  

https://github.com/foss-for-synopsys-dwc-arc-processors/embarc_osp/releases
https://foss-for-synopsys-dwc-arc-processors.github.io/embarc_osp/doc/build/html/index.html

• 使用TensorFlow Lite for Microcontrollers (TFLM)将机器学习模型部署于IoTDK
  

https://github.com/foss-for-synopsys-dwc-arc-processors/tensorflow/tree/arc_iotdk/tensorflow/lite/micro

• IoTDK机器学习模型部署说明
  

https://github.com/foss-for-synopsys-dwc-arc-processors/tensorflow/tree/arc_iotdk/tensorflow/lite/micro/tools/make/targets/arc#arc-iot-development-kit-arc-iot-dk

• IoTDK机器学习模型部署实例（micro_speech，person_detection_experimental）
  

https://github.com/foss-for-synopsys-dwc-arc-processors/tensorflow/tree/arc_iotdk/tensorflow/lite/micro/examples

• IoTDK TFLM基准代码下载Git命令
  

参考资料：
1. ARC处理器内核硬件特性详细说明，可参考MetaWare软件安装目录下相关文档。
MetaWare\arc\docs\pdf\hardware\arc_em；MetaWare\arc\docs\pdf\dsp
2. ARC Machine Learning Inference（MLI1.1）软件库源码，需要使用Metaware工具链。
如果使用TFLM部署机器学习模型，则不需要直接下载并使用MLI1.1软件库
https://github.com/foss-for-synopsys-dwc-arc-processors/embarc_mli/releases
https://github.com/foss-for-synopsys-dwc-arc-processors/embarc_mli/tree/mli_dev/examples/tutorial_emnist_tensorflow
https://foss-for-synopsys-dwc-arc-processors.github.io/embarc_mli/doc/build/html/index.html
集成MLI链接库的embARC OSP软件平台，支持GUN工具链
https://github.com/foss-for-synopsys-dwc-arc-processors/embarc_osp/tree/embarc_mli ???
3. AIoT命题也可以选用Himax WE1 EVB开发板，详情可邮件咨询。
https://www.sparkfun.com/products/17256
4. ARC硬件（如ARC IoTDK，EMSK，HSDK）已广泛支持于各物联网操作系统平台，如embARC OSP、 Zephyr、RT-Thread、FreeRTOS、uCOS、TencetOS Tiny、Alios things等，比赛中均可以使用和参考这些平台，部分参考链接如下。
IoT Projects：https://embarc.org/projects/iot-projects/
RT-Thread：https://www.rt-thread.org/document/site/AliOS-Things：https://github.com/foss-for-synopsys-dwc-arc-processors/AliOS-Things/tree/topic-arc-support-pull-request
TencentOS Tiny：https://github.com/foss-for-synopsys-dwc-arc-processors/TencentOS-tiny/tree/feature/arc_support
5. 如需开发基于云的应用可扩展WIFI模块，以上多个平台均有相关实现参考。

开发板申请
参赛者可于4月15号之前提交新思专项赛项目计划书申请开发板，经组委会评审后择优发放开发板。项目计划书需包含方案概述、难点与创新点、可行性分析、开发计划等内容。
https://github.com/foss-for-synopsys-dwc-arc-processors/embarc_applications/tree/master/arc_design_contest/2021/项目计划书模板.doc

作品提交要求：
除按竞赛组委会要求提交PPT外，还需提供：
1.   详细设计文档和软硬件代码。
2.   作品展示视频。视频时长不超过8分钟，文件大小100MB以内。
3.   所有获奖作品需要上传至embARC开源软件平台应用板块，上传要求见如下链接说明。

评审点：

指    标	评审标准
创意与创新	作品创意、构想、角度是否新颖巧妙，设计思路是否有突破性和创新性。
先进性与复杂度	作品设计是否采用了热门的前沿技术，是否具有一定复杂度，功能是否实现完整等。
功能性与实用性	作品是否充分使用ARC EM处理器软硬件（如DSP/MLI）完成了关键功能的实现，并能解决实际生活中的问题 。
高效性	作品是否对使用的算法进行了性能的分析与优化，如使用DSP/MLI和未使用前的性能比较等。
展示效果	作品功能演示是否成功及完整。

奖项设置 ：
一等奖（2名）：10000元/名
二等奖（4名）：5000元/名

除奖金外，新思科技对优秀团队还提供如下奖励：
1. 择优给予获奖者实习生岗位机会；
2. 拟邀请优秀获奖者参加2021 Synopsys ARC处理器峰会，最终方案以新思科技官宣为准。

Synopsys答疑邮箱：snps_arcc@synopsys.com