Loading spinner
人工智能可以更准确地测量洗衣机内衣物的重量,从而使能源和水资源的利用效率达到前所未有的水平。 由 NanoEdge AI Studio生成的AI模型能够分析和学习电流信号的特性,其测量精度与传统算法相比有了显著提升。
这只是为了向您展示边缘AI和NanoEdge AI Studio用法的一个例子。 通过定制,此方法还适用于很多其他电器或工业机器。

方法

这个用例展示了如何根据滚筒中衣物的重量来估算合适的用水量和用电量,从而自动优化洗衣机的运行循环。 具体的进行方法如下:
  • 直接从电机控制回路中测量电流信号。
  • 利用磁铁模拟不同的重量条件。
  • 使用NanoEdge AI Studio提供的“外推”算法快速构建了一个回归机器学习模型,用于准确测量滚筒内衣物的重量。 得出的最大估计误差为100 g,这个结果要比市面上最先进的解决方案得出的结果好三倍。
  • 然后,我们将机器学习库移植到了与该电机控制算法相同的微控制器上。 NanoEdge AI Studio优化了该库,使其适合在MCU的内部存储器中运行。

由于处理过程是在非常深入的位置,即洗衣机的电机中进行的,我们不再需要额外的传感器和网络连接。 直接在MCU中处理信号有助于改善安全性、能耗以及成本,因为系统仅会输出和处理有意义的数据。

传感器

定制开发板内的电流传感器(基于 STM32G4)。

数据

数据集将权重值用作标签的电流信号(可根据要求提供)
数据格式时间序列

结果

可决系数:
99.96%的准确率、10.6 KB的RAM、9.5 KB的Flash存储器

results-r-squared results-r-squared results-r-squared
模型创建工具:
NanoEdge AI Studio
NanoEdge AI Studio
兼容:

任何STM32 MCU

任何STM32 MCU
资源

模型创建工具: NanoEdge AI Studio

一款免费的AutoML软件,用于向嵌入式项目添加AI,并逐步引导用户轻松找到符合其需求的最佳AI模型。

NanoEdge AI Studio NanoEdge AI Studio NanoEdge AI Studio

兼容: 任何STM32 MCU

STM32系列32位微控制器基于Arm Cortex®-M处理器,旨在为MCU用户提供新的开发自由度。它包括一系列产品,集高性能、实时功能、数字信号处理、低功耗/低电压操作、连接性等特性于一身,同时还保持了集成度高和易于开发的特点。

任何STM32 MCU 任何STM32 MCU 任何STM32 MCU
以下案例可能对您也有所启发

工业 | 智慧城市 | 视觉 | STM32Cube.AI | STM32 AI MCU | 合作伙伴 | 视频 | 智能家居

Secure entry systems using id3 face recognition with liveness detection

通过RGB摄像头与ToF传感器进行边缘处理,结合STM32N6 MCU实现快速且安全的反欺骗门禁控制。

工业 | 智慧城市 | 视觉 | STM32Cube.AI | STM32 AI MCU | 合作伙伴 | 视频 | 交通运输 | Model zoo

Smart rear view camera running on batteries

STM32N6 如何提升盲区内人员、汽车、卡车及骑行者的实时检测性能

视觉 | STM32Cube.AI | STM32 AI MCU | 视频 | 客户案例 | 加速度计 | 可穿戴设备

How ultralight AR glasses are redefined with Edge AI

莫界科技利用STM32N6 MCU搭载的边缘AI和计算机视觉技术提升AR眼镜性能