研究人员开发了一个轻量级AI框架,用于利用振动数据监测消费设备的状态。该系统使用CWT和HHT将一维振动信号转换为二维时频表示,然后由MobileNetV3-Small、ConvNeXt-Tiny和YOLOv11-cls等轻量级深度学习模型进行分析。该框架在Case Western Reserve University、Paderborn University和Intelligent Maintenance Systems的公开轴承数据集上进行了测试,旨在高效地嵌入到洗衣机和扫地机器人等家用电器中。结果表明,YOLOv11-cls提供了高诊断准确性,而MobileNetV3-Small为边缘平台提供了低延迟选项,突显了准确性、计算成本和推理速度之间的权衡。 AI
影响 为资源受限的消费电子产品实现更高效、更准确的预测性维护。
排序理由 学术论文,详细介绍了用于信号处理和状态监测的新型AI框架。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Case Western Reserve University
- CatalyzeX Code Finder for Papers
- ConvNeXt-Tiny
- DagsHub
- Gotit.pub
- Hugging Face
- Intelligent Maintenance Systems
- International Musicological Society
- MobileNetV3-Small
- Purdue University
- ScienceCast
- University of Paderborn
- YOLOv11-cls
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →