大家好 我是毅法半導體人工智能創新中心的鄧毅君今天我跟大家展示的是一個基於AI的水泵異常檢測的一個方案這個方案的AI模型是通過我們的一個自動化的機器學習工具Lanuea GS Studio去自動生成的然後這個AI模型通過對水泵管道裡面的一些振動信號進行分析跟那個特徵提取來檢測這個水泵是否有異常那我們可以看到這邊有兩個結構不同的那個水泵然後每一個水泵有兩個閥門閥門一 閥門二 閥門三 閥門四當所有的閥門都打開的時候這個水泵是正常工作的然後任意一個閥門被關閉都會讓一個水路去堵塞引起那個水泵的異常然後這邊這個黃色的模塊是我們的POTUS ONE的一個工業傳感器模塊然後它可以通過那個振動傳感器來檢測我們水泵上的一些振動信號然後上面的那個STEM32 WB的MCU可以用來運行我們的AI模型這個AI模型通過的那個振動信號進行一個分析來檢測這個設備的一個狀態並且通過藍牙把這個檢測的結果傳送到我們的那個平板這一邊那麼接下來我來跟大家演示一下這個DEMO首先的話我把這個傳感器模塊放到我們右邊的這個水泵上模塊裡面的AI模型是在左邊那個水泵上進行訓練的現在我們可以去檢測一下它這個模型在右邊這個水泵上的一個效果怎麼樣這個時候我需要讓這個模型去學習一下右邊這個水泵的一些正常行為讓它去適應一下這個水泵的一個差異讓那個檢測結果更加的準確那麼我現在通過平板這邊控制它進入一個學習狀態好了已經開始學習了我們這邊有一個學習的進度顯示大概在9% 10%的樣子我們稍微再等一下好的學習完畢那現在我們進入了一個檢測的狀態我現在開始檢測那麼下面這個results這邊是顯示了一個我們模型檢測的結果我們現在看到的是一個綠色的對勾它表示我們現在檢測到的這個水泵的狀態是一個正常的狀態那麼現在我操作關掉閥門我們現在看到那個檢測的結果馬上就變成了一個異常的狀態我現在再把閥門再重新打開閥門全部打開了之後我們看到這邊檢測的一個結果又慢慢的回到了那個正常又變成了綠色的對勾所以我們看到用那個難度以及STUDIO生成的AR模型來做異常檢測的話它的結果是非常準確的好的那我今天的演示就到這裡謝謝大家