监控食品生产线上的质量
创建一个人工智能模型，预测加工食品的质量，而不是对其进行测量。
质量是生产线的一项主要标准，在整个生产过程中确保产品的质量具有至关重要的意义。 在此用例中，我们将来了解一个使用烘焙机的实例。 烘焙是一门精细的工艺，需要利用丰富的专业知识以及出色的精确度和一致性来获得咖啡、坚果和其他食品所要求的风味特征。 一直以来，传统型的烘焙机都是这个行业的支柱，但现在，随着设备逐渐应用人工智能 (AI) 等前沿技术，我们发现生产质量出现了巨大的提升。 AI可通过监控温度、湿度或烘焙时间等变量不间断地实时分析和调整烘焙过程，从而以无与伦比的精确度和一致性来优化最终产品的质量。
方法
此用例的数据来源为 Kaggle上的 “生产质量”数据集。
其目的是根据不同的变量来预测烘焙质量。
烘焙机由5个腔室组成，每个腔室内装有3个温度传感器。 此外，还有专门的传感器负责测量进入机器的原材料的层高和湿度。 因此，烘焙机总共具有17个传感器。
在本例中，测量质量的过程是在实验室中完成的。 AI模型将利用示例来理解传感器值与所测质量之间的关系。 这一过程取代了需在实验室中进行的各种手动操作步骤，从而有效节省了时间。
数据集中会包含（全部17个传感器）每分钟记录下的传感器数据，以及每小时确定一次的质量评价结果。 为了简单起见，我们仅会关注执行质量测量之前的传感器数据。 还有一种方法，那就是将所有传感器测量值整合到一起。
然后我们即可使用 NanoEdge AI Studio创建一个外推项目，从而根据17个传感器每小时提供的数据来预测烘焙食品的质量。
传感器
温度、湿度和位移传感器。
数据
外推目标生产质量
信号长度17（多传感器）
数据速率每小时
信号长度17（多传感器）
数据速率每小时
结果
外推法：
90.81% 的准确率，0.1 Kbytes 的 RAM，189.8 Kbytes 的闪存
资源 ![NanoEdge AI Studio]()
![NanoEdge AI Studio]()
![任何STM32 MCU]()
![任何STM32 MCU]()
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。
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。