瑞萨电子亮相工博会，MCU/MPU 矩阵赋能工业智能化升级

电子发烧友网报道（文/吴子鹏）10 月 16 日，瑞萨第 26 届中国国际工业博览会于上海国家会展中心圆满落幕。电亮本届工博会，相工瑞萨电子以 “智能、矩阵级创新、工业协同 —— 瑞萨 MCU/MPU 引领工业核心未来” 为主题亮相，化升现场集中展出多款面向工业场景的瑞萨创新产品与落地方案，覆盖工业自动化、电亮边缘 AI、相工机器人、矩阵级HMI 人机交互与新能源等热门赛道；依托强大的工业 MCU/MPU 产品矩阵，为工业设备智能化提供从边缘视觉、化升故障检测到伺服电机控制的瑞萨完整芯片解决方案。

M85 内核赋能机器视觉和人机交互

在边缘视觉与人机交互领域，电亮瑞萨展出基于RA8P1的相工人脸检测方案与基于RA8D2的LVGLHMI解决方案。RA8P1与RA8D2均搭载采用Armv8.1-M架构的高性能Arm Cortex-M85内核，支持Helium M型矢量扩展，CoreMark基准测试性能超过6 CoreMark/MHz；借助Helium技术，相关DSP与ML工作负载相较基于Cortex-M7的实现可获得最高4倍的性能提升。其中，RA8P1还集成Arm Ethos-U55 NPU硬件AI加速器，为人脸检测方案提供片上推理加速。

其中，基于 RA8P1 的人脸检测方案：摄像头捕获图像后，轻量级神经网络YOLO-fastest 利用片上 Arm Ethos-U NPU 进行硬件加速并完成实时人脸检测运算，检测结果同步显示在 LCD 屏幕上，并自动在人脸周围标注边界框。

在基于 RA8P1/D2 的 LVGL HMI 解决方案中，芯片集成硬件 2D 图形加速器，支持 Alpha 混色、抗锯齿等功能；搭载摄像头接口Capture Engine Unit (CEU)，支持最高 1280×720 分辨率显示与 7 英寸 MIPI接口 TFT-LCD。搭配专用图形开发工具，可实现单芯片高清显示控制，简化 HMI 硬件设计。

基于 RA6M5 的 AFCI 拉弧检测方案

瑞萨展出基于 RA6M5、与Reality AI 工具开发的 AFCI 拉弧检测方案，兼具高准确率与极速响应能力。在光伏系统场景下，8ms 观察窗口预报准确率达 99.2%，16ms 观察窗口预报准确率达 99.7%，采样率 250kHz，推理时间仅 10ms@200MHz；在储能系统场景下，8192 采样点下预报准确率达 96.4%，采样率 500kHz，推理时间仅 40ms@240MHz。

预测性维护：RA6T2 电机异常检测方案

在工业电机控制与设备健康管理方面，瑞萨展示了基于 RA6T2 MCU 的电机异常检测方案。该方案搭载 240MHz Arm^®Cortex^®-M33 内核，运行时 CPU负载低于 1%，无需额外增加传感器即可完成异常检测。

借助瑞萨 Reality AI 工具，开发人员可基于采集的电机信号数据分析特征并生成 AI 模型。示例模型仅占用 6KB Flash 与 6KB RAM，推理耗时 1.38ms，检测准确度超过 90%。该方案适合变频器、伺服系统、泵阀设备等场景，有助于以较低成本实现设备状态监测和预测性维护。

机器人与伺服控制：RA8T2 EtherCAT 双轴伺服方案

在运动控制领域，瑞萨重点展示了基于 RA8T2 高性能 MCU 的 EtherCAT 双轴伺服及机器人关节控制方案。该方案支持 0.4kW×2 轴电机功率输出，采用位置、速度、转矩三环控制，并配备 EtherCAT 工业以太网通信接口，兼容多摩川绝对值编码器，内置过流、过压、过热等多重安全保护机制。


RA8T2 面向高实时电机控制与工业网络应用，具备强算力、丰富外设与工业以太网能力，可广泛应用于伺服驱动、变频器、远程 I/O 以及机器人电机控制等场景。此次展示也进一步印证了瑞萨在机器人关节、伺服控制与工业通信方向的布局：依托高性能 MCU、实时控制算法与 EtherCAT 通信能力，支撑更紧凑、更可靠的运动控制节点。

从芯片到系统：瑞萨工业 “芯” 底座持续扩展

本次工博会，瑞萨还展示了基于 RA6T2 的 48V 1kW 逆变器参考设计、RZ/G2L+RA6M5 工业网关方案、RZ/T2H 9 轴电机控制方案等更多产品组合。这些方案共同构成瑞萨在工业领域的系统级能力：RA8P1 面向边缘 AI 与智能感知，RA6M5/RA6T2 面向安全检测与电机健康管理，RA8T2 面向高实时伺服与机器人控制，RA8D2 面向工业 HMI 显示，RZ 系列 MPU 则承担更复杂的多轴控制与工业网络任务。

总体来看，瑞萨正以 MCU/MPU 为核心，通过产品组合、算法、开发工具及参考设计，支持 AI 推理、电机控制、工业通信、HMI 显示与新能源安全检测等应用。对于工业自动化、机器人、边缘 AI 和新能源客户而言，这种 “芯片 + 算法 + 工具链 + 参考设计” 的组合，有助于降低系统开发难度，加快从原型验证到量产落地的进程。