首页
›
能源电力、新能源与储能工程
›
006-电力设备状态监测与故障诊断
›
《边缘AI传感器异常检测工程》
VIP10
本课程属于:006-电力设备状态监测与故障诊断
能源电力、新能源与储能工程 · 共 10 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
📘
传感器数据异常检测Edge AI实战指南
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
学习目标 · 课程结构 · Edge AI与传感器异常检测的行业…
课程导入
学习目标
02
传感器基础与数据特性
常见传感器类型(温度 · 振动 · 电流
传感器基础
数据特性
03
异常检测概述
异常类型(点异常 · 上下文异常 · 集合异常)
异常检测概述
异常类型
04
Edge AI基础
边缘计算概念 · 边缘设备(MCU · 树莓派
Edge
AI
05
开发环境搭建
Python环境 · Jupyter · TensorFlow Lite
开发环境搭建
Python
06
数据采集与预处理
时间序列对齐 · 去噪(滤波) · 归一化
数据采集
预处理
07
特征工程
时域特征(均值 · 方差 · 峰值)
特征工程
时域特征
08
传统统计方法
Z-score · 移动平均 · 指数平滑
传统统计方法
Z-score
09
机器学习方法(一)
孤立森林 · One-Class SVM · 局部异常因子(LOF)的原理与实现
机器学习方法
孤立森林
10
机器学习方法(二)
基于聚类(K-means · DBSCAN)的异常检测 · 标签不足时的处理
机器学习方法
K-means
11
深度学习方法(一)
自编码器(Autoencoder)用… · 变分自编码器(VAE)
深度学习方法
Autoencoder
12
深度学习方法(二)
LSTM/GRU预测误差法 · 时序卷积网络(TCN) · Transformer在异常检测中的…
深度学习方法
LSTM/GRU
13
模型评估与指标
混淆矩阵 · 精确率/召回率/F1 · ROC/AUC
模型评估
指标
14
边缘模型压缩与优化
量化(INT8/FP16) · 剪枝 · 知识蒸馏
边缘模型压缩
优化
15
边缘推理框架实战
TensorFlow Lite Mi… · ONNX Runtime Mobil… · OpenVINO
边缘推理框架实战
TensorFlow
16
实时数据流处理
流式窗口 · 在线更新 · 延迟与吞吐量权衡
实时数据流处理
流式窗口
17
案例实战(一)
振动传感器异常检测——基于统计与孤立…
案例实战
振动传感器异常检…
18
案例实战(二)
温度传感器漂移检测——基于自编码器的…
案例实战
温度传感器漂移检…
19
案例实战(三)
电流传感器尖峰检测——基于LSTM的…
案例实战
LSTM
20
案例实战(四)
多传感器融合异常检测——IMU+磁力…
案例实战
IMU+
21
边缘部署实战
从训练到部署的完整流程(模型导出 · 转换 · 烧录
边缘部署实战
从训练到部署的完…
22
边缘-云端协同
边缘初筛 · 云端复核 · 模型更新
边缘
云端协同
23
常见问题与调试
数据不平衡 · 概念漂移 · 误报漏报
常见问题
调试
24
模型可解释性
SHAP · LIME · 注意力可视化
模型可解释性
SHAP
25
安全与隐私
传感器数据隐私保护 · 联邦学习 · 边缘加密
安全
隐私
26
性能优化进阶
多线程 · 异步IO · 硬件加速(GPU/NPU)
性能优化进阶
多线程
27
项目实战(一)
从零构建一个工业设备异常检测系统(数…
项目实战
从零构建一个工业…
28
项目实战(二)
智能家居环境传感器异常检测(温湿度 · CO2 · PM2.5)并实现本地告警
项目实战
智能家居环境传感…
29
综合提升
如何设计可扩展的异常检测平台 · 持续集成与持续部署(CI/CD)在E…
综合提升
如何设计可扩展的…
30
课程总结与未来展望
学习路径回顾 · 前沿趋势(tinyML · 神经形态计算)
课程总结
未来展望
所属VIP或分类
同VIP:TinyML振动频谱异常检测工程
同VIP:变压器状态监测与故障诊断
同VIP:开关柜局放监测与故障分析