穿戴式设备商机持续成长, 根据市场研究机构IDC预估, 2021年智能穿戴设备出货量将达2亿4010万台, 相较于2017年的1亿2550万台, 市场成长将近一倍, 5年复合成长率达18.2%; 而穿戴式产品的使用定位也逐渐明朗, 目前多以运动, 定位, 通话, 支付为主, 特别是在健身, 健康生活的风潮扩散之下, 运动健身更是穿戴式设备的重要应用领域, 像是国际知名大厂Apple, Garmin, 三星(Samsung)皆纷纷推出着重于运动应用之穿戴产品.
与此同时, 人工智能(AI)的迅速崛起, 也为穿戴式设备带来全新应用, 例如人体动作识别, 透过深度资讯搜集与分析, 结合AI的穿戴设备将能提供更有效, 准确的数据让消费者参考; 而传感器, 便在这波运动健身和AI浪潮中扮演关键的角色, 其讯息搜集的品质直接影响后续的处理与应用, 因此, 目前各大传感器供应商皆致力于提升传感器精确度.
AI/多功能应用兴 推动传感器精准度提升
AI的快速发展, 带动各种创新应用如雨后春笋般而来, 而这股浪潮也蔓延至穿戴应用之上. 意法半导体亚太区产品行销经理陈建成(图1)表示, 随着健身, 医疗照护风气扩散, 加上AI兴起, 穿戴设备的功能和应用愈来愈广; 而为有效分析日渐庞大的数据资料, 提供消费者更准确, 更值得信任的分析结果, 后端的算法也因而变得更加复杂. 为减少算法运算时间, 设备商也开始要求传感器精确度, 换言之, 继小尺寸, 低功耗之后, 精确度已成传感器设计重要的考量之一.
Ams台湾区总经理李定翰也指出, 穿戴式设备势将会朝特化产品发展, 例如专业的运动腕表, 医疗照护设备等, 而面对愈加广泛的应用和更趋复杂的算法, 传感器若 2000 能提升精确度, 第一时间侦测到的数据越准确, 后段算法越能分析出正确的资料供消费者参考, 如此一来, 便有利于终端制造商加快产品和应用开发时程, 这便是现在传感器精确度不停提升的主要因素.
提升感测精准度 三大参数为关键
AI风潮席卷全球, 穿戴设备创新应用也日渐增加, 而背后的算法复杂度大增, 也促使传感器精确度须跟着提高. 陈建成指出, 要提升传感器的准确度, 得在设计时参考三个关键参数, 分别为噪音(Noise), 稳定度(Stability), 以及误差(Tolerance).
上述三种都是强化传感器精准度的关键参数, 而这些参数中又各自包含许多调校细项, 像是噪音中须注意的包括震动排除(Vibration Rejection), 闪烁杂讯(Flicker Noise), 高频率噪音(High Frequency); 稳定度则是须注意长时间稳定(Stability of Time), 稳定度vs温度(Stability vs Temperature), 可靠性(Repeatability); 至于误差则是包含偏移(Offset), 灵敏度(Sensitivity)和非线性(Non-Linearity).
陈建成进一步解释, 噪音, 稳定度及误差参数皆为调整传感器精准度重要参数, 若噪音没有调整完善, 容易导致侦测数据失真; 稳定度则是确保产品能因应不同的环境变化, 持续收集准确数据.
陈建成举例, 若一款传感器的震动为10GHz, 就表示该传感器皆在10GHz的震动下收集资讯; 但如果传感器稳定度不够好, 其震动频率不停随着使用者的动作或外在环境改变, 从10GHz跳到20GHz, 再从20GHz跳回10GHz, 就意味着此一传感器的数据收集是非线性的, 这样子所收集的数据是相当不准确, 也容易导致算法无法顺利运行, 使穿戴设备相关应用分析失真, 或是停摆. 也因此, 传感器的稳定度对于实现精确侦测是具备高度的重要性.
至于误差值部分, 毋庸置疑, 一定是朝误差值越小越好, 目前各家传感器的供应商目标都是追求误差值在正负1以内. 陈建成说, 现今各家业者积极追求误差值的原因就如同前面所说, 后端的算法对于传感器精确度的要求越来越高, 希望传感器在第一步侦测时, 所收集到的数据就相当准确, 才能减少算法之后的运算和调校时间.
陈建成解释, 过往穿戴式设备制造商之所以没有特别要求传感器精确度, 是因为穿戴设备的功能较为简单, 对于数据分析的需求还没有这么高; 但随着AI兴起, 大数据时代来临, 加上消费者对于穿戴设备的功能要求越来越高, 制造商须透过算法开发更多创新应用, 使得算法愈趋复杂. 在这种情况下, 若传感器精确度不足, 已无法像过往一样, 靠后端算法多花一点时间, 针对硬体不足的部分进行调整. 总结来说, 如今小尺寸和低功耗对于传感器而言已是必备条件, 穿戴式设备制造商进而开始对传感器精确度有所要求, 希望借此加速产品, 应用开发时间.
健康管理风气盛行 光学感测元件再进化
随着消费者对于穿戴设备的功能要求日益增加, 罗姆半导体台湾设计中心技术协理王韦迪也认为, 此一趋势将会推动穿戴设备朝两极化(低阶, 高阶)的市场发展, 而高阶产品的功能越多, 对于传感器的精确度要求也会越高.
像是侦测跑步, 游泳, 消耗多少卡路里, 走路频率等, 这些应用都是靠传感器收集数据, 再由后端算法进行分析, 若传感器的精确度提升, 将有助于算法的数据分析结果更加准确.
王韦迪以血压侦测的应用为例, 指出现在消费者对于相关应用的要求不仅止于血压, 脉搏跳动次数等测量, 还希望能借此得知血管年龄等生理征象; 为实现此一目标, 应用于血压侦测的传感器须提高取样频率, 增加单位时间内的测量次数, 才能取得复杂的生理征象.
也因此, 罗姆持续精进传感器的制程技术, 例如该公司近期推出的新款支援压力测量和血管年龄测量的光学式脉搏感测IC—BH1792GLC, 其感光部由红外线截止滤光片和Green滤光片组成, 透过Green滤光片, 可仅让绿色波长穿过, 进而降低红外线和红外光等干扰, 使此一传感器在即便像运动时的剧烈晃动和太阳光等红外线较强的环境下, 也能执行高精度脉搏测量.
此外, 该产品还可以对应1024Hz高速取样, 与传统产品相比, 脉搏测量速度最快高达32倍, 可以支援目前备受市场瞩目的压力, 血管年龄等生命征象数值测量.
王韦迪指出, 当然, 除了上述新款脉搏感测IC使用的方式外, 传感器强化精确度还有许多方面须要考量, 像是如何透过制程优化, 让传感器内部的电容电阻更小, 或是降低电路板上走线之间的电感等, 使传感器具备更高的精确度, 都是在硬体设计上须要注意的地方.
另一方面, 未来健康医疗势将成为穿戴设备的重要应用市场, 多方合作, 形成产业合作链, 一定是未来传感器供应商的必经之路. 王韦迪指出, 当传感器侦测到数据之后, 后端的资料撷取, 分析就跟算法相关, 为此, 传感器供应商除了从硬体着手外, 也须和算法公司合作, 软硬兼施来提升传感器的整体侦测效能; 至于在数据判读上, 则须仰赖专业的医疗团队支援, 如此一来, 借由多方的合作, 方可提供消费者值得信任且精确的数据和分析结果.
对于穿戴式设备未来发展, 李定翰也持同样看法, 认为低/高阶的市场区隔会愈加明显, 高阶的穿戴设备将会朝特定应用发展, 例如医疗, 运动等; 消费者所需的功能也不像以往, 只需简单的心跳, 走路步数侦测就行, 而是要判读使用者目前的运动状态, 或是运动结果分析等.
因此, 传感器在穿戴设备中的角色日显重要, 不过, 穿戴设备的使用对象向来是不固定的, 每个使用者的肤色, 毛发量都不尽相同, 变数很多, 所以, 如何提升传感器精确度就成了现在各家供应商思考的问题; 只要研发的产品精确度愈高, 侦测出来的数据愈准确, 就愈能加速终端制造商产品和应用开发时程, 满足消费者需求.
那么, 究竟要如何进一步提升传感器精确度? 李定翰以量测血压的传感器为例, 指出目前大多还是使用光学传感器侦测血压, 但如上述, 每个人的生理特征都不相同, 所以在量测时总会遇到许多变数, 因此, 业者须将光传感器结合其他技术, 强化光传感器对不可见光的分离效能, 使其能在第一时间就先排除许多外在变动因素(如杂讯, 光源的路径变动), 让后端的算法能更快分析数据资料.
像是ams近期推出的新款新型生命体征传感器—AS7024, 便整合了包括AS7024的所有硬体元件, 以及执行血压测量, 心率测量(HRM), 心率变异性(HRV)和心电图(ECG)所需的软体. 该传感器IC由三个LED灯, 光电二极体, 一个用于HRM的光学前端和程序设备以及一个用于ECG的类比前端组成, 且都整合在一个6.1mm× 2.7mm的微型封装中. 通过外部传感器介面, 该参考设计还可用于迷走神经张力与动脉弹性, 以及皮肤温度和皮肤电阻率的计算测量.
另外, AS7024 HRM操作以光电容积脉搏波描记法(PPG)为基础, 通过由血管调整的采样光来测量脉搏率, 当血液脉冲通过时, 血管会扩张和� 7543 ��缩, 这项技术是经过验证的. 心电图是测量心脏窦房结生成的电子脉冲的标准方法.
李定翰表示, 在设计传感器的过程中, 也须与模组商或是设备制造商密切配合, 因每个业者设计的产品, 功用不同, 其客群和使用者也不一样. 像是防水需求就有许多种, 有的防泼水, 有些要求水下三公尺防水, 有的则希望能到水下十公尺, 每个产品设计想法都不一样; 而在设计上的任何一个因素, 例如镀膜, 传感器放置位置, 光线入射角等, 都会影响传感器的精准度. 因此, 传感器供应商也须与终端业者配合, 依照其硬体设计环境和想法, 提升传感器精准度, 满足需求.
小巧/精准/低功耗成传感器必备特性
恩智浦半导体大中华区市场行销经理弋方指出, 2018年可以看到很多可穿戴式应用的需求都有了明显成长, 例如支援移动支付的智能手表, 手环; 易用小巧的耳机及VR眼镜等; 可携式的健康监测和医疗护理产品等.
其中, 在可携式健康照护设备应用当中, 消费者要求测量精度能达到医疗级的性能水准, 家人和医生可以即时的获得和监测到最可靠的健康数据; 或是以可穿戴式健身设备为例, 目前市场上的大部分设备都具有简单计步功能, 而复杂度更高的传感器和传感器融合算法可使误差降低至2%, 让可穿戴健身设备不仅仅可用于简单计步, 还能识别不同的运动状态, 以及判断姿势的异常.
因此, 未来, 传感器除了具备小尺寸, 低功耗特性外, 也须不断精进精确度, 使传感器在更严苛的环境, 或是更宽的工作温度范围不易受到影响; 以便更有助于融合机器学习和AI算法, 适用于更丰富, 更具智能的应用场景和服务.
王韦迪则补充, 对消费者而言, 穿戴式设备不是生活中 '必要' 或 '需要' 的产品, 但会是 '想要' 的产品; 所以, 要如何为穿戴产品增添更多功能, 吸引消费者来购买产品, 是穿戴式设备制造商不变的战略. 因此, 像是侦测心跳, 步数, 心电图, 血氧, 呼吸频率等功能将会越来越多, 而这些应用背后都是由算法支援. 特别是在AI崛起后, 这些应用项目愈来愈多. 可想而知, 未来当穿戴式设备与AIoT结合之后, 商机将会大爆发. 因应此一趋势, 传感器的精确度势必须持续提升, 以因应愈加复杂的算法.
总而言之, AI的迅速崛起为穿戴式设备带来全新应用, 而为因应更加复杂的算法, 负责收集资讯的传感器, 其角色也愈加吃重, 不仅须具备小尺寸, 低功耗特性, 精确度也须跟着向上攀升, 才不会造成讯息搜集品质不佳, 而影响后续算法处理与应用, 并进一步带给消费者更佳的使用体验.