VIP20
本课程属于：015-STM32Cube AI模型部署 工业控制与工业互联网 · 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

TinyML项目：STM32Cube AI部署工业异常分类

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
01
课程导入
TinyML与工业异常分类的背景 · 课程目标 · 学习路径与项目总览
课程导入TinyML
02
工业异常分类基础
异常类型（点异常 · 上下文异常 · 集合异常）
工业异常分类基础异常类型
03
TinyML核心概念
模型量化 · 剪枝 · 知识蒸馏
TinyML核心概念
04
STM32与Cube AI生态
STM32系列选型 · CubeMX · CubeIDE
STM32Cube
05
数据采集与预处理
传感器选型（加速度计 · 温度 · 电流）
数据采集预处理
06
特征工程
时域特征（均值 · 方差 · 峰值）
特征工程时域特征
07
异常分类模型选型
传统机器学习（SVM · 随机森林）与深度学习（CNN · LSTM
异常分类模型选型SVM
08
模型训练与验证
使用Python（TensorFlo… · 交叉验证 · 评估指标（准确率
模型训练验证
09
模型量化与优化
训练后量化 · 量化感知训练 · 权重与激活位宽选择
模型量化优化
10
X-CUBE-AI模型转换
将Keras/TFLite模型转换为… · 配置输入输出 · 内存分配与验证
X-CUBE-AI模型转换
11
STM32CubeMX项目配置
创建工程 · 配置时钟 · 外设（UART
STM32CubeMX项目配置
12
代码生成与集成
生成Cube AI代码 · 集成传感器驱动 · 数据采集回调
代码生成集成
13
实时推理与性能优化
推理时间测量 · 内存优化（静态分配 · 内存池）
实时推理性能优化
14
案例实战
基于振动数据的轴承异常分类——从数据…
案例实战基于振动数据的轴…
15
案例实战
基于电流信号的电机异常检测——特征提… · 模型训练与Cube AI部署
案例实战基于电流信号的电…
16
案例实战
温度与湿度多传感器融合异常分类——多…
案例实战温度
17
模型部署调试
常见错误（内存溢出 · 输入输出尺寸不匹配 · 量化误差）
模型部署调试常见错误
18
模型更新与OTA
在STM32上实现模型参数更新 · 外部存储（SD卡 · Flash）加载模型
OTA模型更新
19
边缘与云端协同
本地推理与云端训练结合 · 数据回传 · 模型再训练与更新流程
边缘云端协同
20
工业应用可靠性
鲁棒性测试 · 对抗样本 · 传感器噪声影响
工业应用可靠性鲁棒性测试
21
功耗与资源优化
电池供电设计 · 动态电压频率调整（DVFS） · 睡眠模式与唤醒机制
功耗资源优化
22
安全与隐私
数据加密 · 模型保护 · 防篡改
安全隐私
23
性能评估与基准测试
使用STM32评估板（如B-L475… · 对比不同模型与量化策略
性能评估基准测试
24
常见问题与解决方案
模型无法部署 · 推理结果错误 · 内存不足
常见问题解决方案
25
项目实战
从零搭建一个完整的工业异常分类系统—… · 硬件选型 · 模型训练
项目实战从零搭建一个完整…
26
项目实战
多类异常分类（正常 · 磨损 · 断裂
项目实战多类异常分类
27
项目实战
实时监控与报警系统——结合LED · 蜂鸣器 · LCD显示或无线模块（BLE/WiF…
项目实战LED
28
综合提升
TinyML最新趋势（NPU · 超低功耗芯片） · 与边缘AI平台（Edge Impul…
综合提升TinyML
29
综合提升
优化模型架构（MobileNet · TinyML专用网络） · 自动化机器学习（AutoML）在Ti…
综合提升MobileNet
30
课程总结与进阶方向
项目复盘 · 常见误区 · 学习资源推荐
课程总结进阶方向