本文分享沒(méi)有AI背景的工程師，在使用NanoEdge AI Studio快速訓(xùn)練風(fēng)扇異常偵測(cè)的模型的方法。

此模型是依馬達(dá)控制板的電流訊號(hào)，偵測(cè)風(fēng)扇濾網(wǎng)的堵塞百分比。當(dāng)風(fēng)扇堵塞時(shí)，馬達(dá)的電流訊號(hào)波型與一般情況不同，但傳統(tǒng)演算法很難偵測(cè)到差異。因此，機(jī)器學(xué)習(xí)演算法便成為解決此問(wèn)題的絕隹選擇。在訓(xùn)練模型時(shí)，通常會(huì)使用scikit-learn函式庫(kù)，因此，本文將闡述自行訓(xùn)練機(jī)器學(xué)習(xí)模型及使用 STM32Cube.AI 部署到相同裝置上的方式，以便使用者比較兩者之間的差異。

圖一

NanoEdge AI Studio為端對(duì)端工具，可預(yù)先處理部分資料，再進(jìn)行訓(xùn)練與媒合演算法；而STM32Cube.AI則會(huì)需要工程師具備完整的AI模型開(kāi)發(fā)經(jīng)驗(yàn)。
...
...