打印
[AI]

NanoEdgeAIStudio案例之----电气故障检测和分类

[复制链接]
973|5
手机看帖
扫描二维码
随时随地手机跟帖
跳转到指定楼层
楼主
xu@xupt|  楼主 | 2023-11-24 19:47 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
NanoEdgeAIStudio案例之----电气故障检测和分类


  • 内容:这个文档介绍了一个基于人工智能的电气故障检测和分类项目。该项目使用了一个从Kaggle获取的数据集,该数据集包括了12000个三相线路电压和电流的数据点。通过NanoEdge AI Studio创建了一个N-Class分类模型来检测和分类电气异常。
  • 方法:首先,使用电流传感器和电压传感器收集数据。然后,利用这些输入数据训练了一个N-Class分类模型,用于检测和分类电气异常。最后,将检测结果与实际故障进行比较,以评估模型的准确性。
  • 结果:该项目在异常检测方面达到了98.90%的准确率,占用了0.6 Kbytes的RAM和7.1 Kbytes的Flash内存。在故障分类方面,达到了98.51%的准确率,占用了0.1 KB RAM和214.9KB Flash。
  • 心得:通过这个项目,我们可以看到人工智能在电气故障检测和分类方面的潜力。与传统的基于人类专业知识的被动维护相比,这种方法可以实时监控、减少错误并具有更好的可扩展性。此外,该项目还展示了如何使用NanoEdge AI Studio创建一个高效且准确的N-Class分类模型来实现这一目标。




电气故障检测和分类.pdf

197.99 KB

使用特权

评论回复
沙发
tfqi| | 2023-12-28 17:32 | 只看该作者
都可以检测到哪些种类的电气故障呢

使用特权

评论回复
板凳
kxsi| | 2023-12-28 18:49 | 只看该作者
单纯的根据电压电流判定的异常的种类不会很多吧

使用特权

评论回复
地板
coshi| | 2023-12-28 19:59 | 只看该作者
对ram和内存的占用非常小 是不是意味着算法并不复杂呢

使用特权

评论回复
5
qcliu| | 2023-12-28 21:12 | 只看该作者
需要有额外的开支甚至是占用大部分资源吗

使用特权

评论回复
6
zljiu| | 2023-12-28 22:57 | 只看该作者
目前各种应用都是应该在评估或者是摸索阶段

使用特权

评论回复
发新帖 我要提问
您需要登录后才可以回帖 登录 | 注册

本版积分规则

113

主题

700

帖子

3

粉丝