VIP20

本课程属于：016-TinyML异常检测与预测性维护 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

17. TinyML预测维护评估：召回率、误报率与提前预警时间

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

了解预测维护在工业物联网中的价值 · 明确本课程的学习目标 · 核心评估指标（召回率

课程导入了解预测维护

掌握TinyML的定义 · 特点 · 在边缘设备上的部署约束

预测维护概述

理解预测维护的基本流程（数据采集 · 特征提取 · 模型训练

预测维护概述理解预测维护的基…

评估指标基础

复习混淆矩阵 · 准确率 · 精确率

评估指标基础复习混淆矩阵

误报率详解

定义误报率（假阳性率） · 分析误报对维护成本 · 生产中断和系统信任度的影响

误报率详解定义误报率

提前预警时间

定义提前预警时间（lead time… · 解释其计算方式 · 与故障预测的关系

提前预警时间lead

召回率与误报率的权衡

通过ROC曲线和PR曲线理解召回率与… · 以及如何根据业务需求选择最佳阈值

召回率误报率的权衡

TinyML预测维护评估框架

构建一个完整的评估框架 · 包括数据划分（训练/验证/测试） · 时间序列交叉验证

TinyML预测维护评估框架

数据准备与标注

学习如何为预测维护准备时间序列数据 · 包括传感器数据清洗 · 缺失值处理

数据准备标注

特征工程与选择

掌握从振动 · 温度 · 电流等传感器数据中提取时域

特征工程选择

模型选择与压缩

比较适合TinyML的模型（如决策树 · 随机森林 · 小型CNN

模型选择压缩

部署与推理

了解如何在微控制器（如Arduino · ESP32）上部署TinyML模型 · 包括模型转换（TensorFlow…

评估指标在TinyML中的实现

在边缘设备上实时计算召回率 · 误报率和提前预警时间 · 考虑计算资源限制和实时性要求

TinyML评估指标

旋转机械故障预测 · 详细演示从数据采集到模型评估的全过程 · 重点分析召回率与误报率

案例研究旋转机械故障预测

电机过热预警：基于温度传感器数据 · 构建TinyML模型提前预警电机过热 · 评估提前预警时间与误报率的平衡

案例研究电机过热预警

工业泵异常检测：利用压力 · 流量数据检测泵的异常 · 比较不同模型在召回率和误报率上的表现

案例研究工业泵异常检测

评估工具与库

介绍用于评估的Python库（sci… · TensorFlow）以及TinyM… · STM32Cube.AI）

评估工具Python

阈值选择与优化

学习如何通过验证集选择最优阈值 · 使用成本函数（如误报成本与漏报成本）…

阈值选择优化

实时评估与监控

在边缘设备上实现实时评估 · 包括滑动窗口 · 在线学习

实时评估监控

常见问题与陷阱

分析在TinyML预测维护评估中常见… · 如数据泄漏 · 时间序列划分错误

常见问题陷阱

模型可解释性

介绍SHAP · LIME等方法 · 解释模型为何发出预警

模型可解释性SHAP

多指标综合评估

学习如何综合召回率 · 误报率 · 提前预警时间

多指标综合评估学习如何综合召回…

业务影响分析

将评估指标转化为业务成本（维护成本 · 停机损失 · 安全风险）

业务影响分析将评估指标转化为…

构建一个完整的TinyML预测维护系… · 模型训练 · 部署到评估

实战项目TinyML

优化提前预警时间：在给定数据集上 · 通过调整模型和阈值 · 最大化提前预警时间同时控制误报率

实战项目优化提前预警时间

多传感器融合评估：使用多个传感器数据 · 评估融合特征对召回率和误报率的影响 · 并部署到TinyML设备

实战项目多传感器融合评估

课程总结与复习

回顾所有关键概念 · 评估指标 · 方法流程

课程总结复习

通过选择题 · 判断题和简答题 · 检验对召回率

综合测验通过选择题

推荐进阶资源（ · 书籍 · 开源项目）

拓展学习推荐进阶资源

结课项目答辩

学员展示自己的TinyML预测维护项… · 重点阐述评估指标的选择 · 结果分析以及改进方向

结课项目答辩TinyML